Unscented Filtering and Nonlinear Estimation
Unscented Filtering and Nonlinear Estimation（无迹卡尔曼滤波）是由Simon J. Julier和Jeffrey K. Uhlmann于2004年发表在Proceedings of the IEEE上的经典论文，是非线性状态估计领域最重要的论文之一。该论文系统地介绍了无迹变换（Unscented Transformation）和无迹卡尔曼滤波器（UKF），一种针对非线性系统的贝叶斯滤波器，通过确定性地采样一组sigma点来近似状态分布的均值和协方差，避免了扩展卡尔曼滤波（EKF）中需要计算雅可比矩阵的问题。UKF能够更好地处理非线性系统的状态估计问题，在估计精度和鲁棒性方面通常优于EKF，同时保持了与EKF相当的计算效率。UKF被广泛应用于机器人、自动驾驶、航空航天、导航、目标跟踪等领域，是非线性状态估计的重要方法，被引用超过10000次，对后续的非线性滤波研究产生了深远影响。
主体信息
Unscented Filtering and Nonlinear Estimation（无迹卡尔曼滤波）是由Simon J. Julier和Jeffrey K. Uhlmann于2004年发表在Proceedings of the IEEE上的经典论文，是非线性状态估计领域最重要的论文之一。该论文系统地介绍了无迹变换（Unscented Transformation）和无迹卡尔曼滤波器（UKF），一种针对非线性系统的贝叶斯滤波器，通过确定性地采样一组sigma点来近似状态分布的均值和协方差，避免了扩展卡尔曼滤波（EKF）中需要计算雅可比矩阵的问题。UKF能够更好地处理非线性系统的状态估计问题，在估计精度和鲁棒性方面通常优于EKF，同时保持了与EKF相当的计算效率。UKF被广泛应用于机器人、自动驾驶、航空航天、导航、目标跟踪等领域，是非线性状态估计的重要方法，被引用超过10000次，对后续的非线性滤波研究产生了深远影响。