本文主要是介绍【数学和算法】扩展卡尔曼滤波器（六），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本文是观看B站视频【卡尔曼滤波器】6_扩展卡尔曼滤波器_Extended Kalman Filter所做的截图和笔记。
前面讲的都是线性系统，他们可以用卡尔曼滤波器进行预测。
对于非线性系统，可以将非线性系统线性化，就需要用到扩展卡尔曼滤波器。
线性化：泰勒级数 视频
对于泰勒公式的讲解，请跳转参考这篇博客：泰勒公式_线性化。
对于一维度的非线性系统进行线性化，就是泰勒一阶展开，对于高维度，就用到了雅各比矩阵。
A就是雅各比矩阵,他是随着时刻k变化的，所以每次都要重新计算。
由于系统有误差，无法在真实点处进行线性化，所以f就在上一时刻k-1时刻的先验估计 x k − 1 − \displaystyle\color{blue}x_{k-1}^- xk−1−处进行线性化。 z k \displaystyle\color{blue}z_k zk就在 x k ~ \displaystyle\color{blue}\tilde{x_k} xk~处进行线性化。
扩展卡尔曼滤波器的五个公式：
这篇关于【数学和算法】扩展卡尔曼滤波器（六）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
