非线性估计理论的最新进展

扩展Kalman 滤波(EKF) 是应用最广的非线性估计方法,然而它存在实现性差、计算量大、估计精度低等缺陷,这些问题起源于EKF 采用了Taylor 展开近似。在阐明非线性估计的本质,剖析EKF 等传统方法的特点及缺陷的基础上,从非线性估计革新的两条发展思路———非Taylor 展开的线性变换及非线性变换出发,分别对插值滤波、Unscented 滤波、粒子滤波和神经网络滤波这四种近年来最具特色的新方法进行介绍和评述。通过分析这些方法的工作原理、性能特点、必要性和可行性,将非线性估计最新进展的思想传承、本质内涵、地位与作用予以展现,指出各方法的现存问题、发展潜力和最具可实现性的发展方