扩展卡尔曼滤波(EKF):一种用于非线性系统的状态估计算法。它把系统的非线性状态转移/观测模型在当前估计点附近做一阶泰勒展开(线性化),再用卡尔曼滤波的思想递推地融合“预测”和“测量”,以得到对系统状态的更好估计。常用于导航定位、机器人、传感器融合等。(也存在其他非线性滤波方法,如 UKF、粒子滤波等。)
/ɪkˈstɛndɪd ˈkɑːlmən ˈfɪltər/
We use an extended Kalman filter to estimate the robot’s position.
我们使用扩展卡尔曼滤波来估计机器人的位置。
Because the measurement model is nonlinear, the extended Kalman filter linearizes it around the current estimate before updating the state.
由于测量模型是非线性的,扩展卡尔曼滤波会在更新状态前围绕当前估计对其进行线性化。
“Kalman filter”得名于提出该方法的数学家与工程师 Rudolf E. Kálmán;“extended”意为“扩展的”,指相对于经典卡尔曼滤波(主要针对线性系统)而言,EKF通过局部线性化把方法“扩展”到非线性场景中。“filter(滤波器)”在信号处理里常指从噪声数据中提取更可靠的信息。