KF和EKF的理解

现实是我们的处理和测量模型都是非线性的，结果就是一个不规则分布，KF能够使用的前提就是所处理的状态是满足高斯分布的，为了解决这个问题，EKF是寻找一个线性函数来近似这个非线性函数，而UKF就是去找一个与真实分布近似的高斯分布。

EKF 通过雅克比和偏导数近似非线性模型，但是忽略了高阶导数, EKF的中心思想就是将非线性系统线形化后再做KF处理。

Kalman滤波分为2个步骤，预测(predict)和校正(correct)。预测是基于上一时刻状态估计当前时刻状态，而校正则是综合当前时刻的估计状态与观测状态，估计出最优的状态。预测与校正的过程如下：

公式1是状态预测，公式2是误差矩阵预测，公式3是kalman增益计算(权重)，公式4是状态校正，其输出即是最终的kalman滤波结果，公式5是误差矩阵更新。各变量说明如下表：

1.理解Kalman滤波的使用
2.室内定位系列（五）——目标跟踪（卡尔曼滤波）
3.目标跟踪：卡尔曼滤波（Kalman Filter）到底是怎么工作的？
4.卡尔曼滤波总结——KF、EFK、UKF