2.5 3种非线性滤波算法的比较分析

UKF和CKF算法受到线性Kalman滤波算法的条件制约，即系统状态应满足Gauss分布。对于非Gauss分布的状态模型，如果简单地采用均值和方差表征状态概率分布，将导致滤波性能变差甚至滤波器发散。而粒子滤波在解决非Gauss分布系统时具有明显的优势。粒子滤波算法不需要对状态变量的概率密度进行过多的约束，它是非Gauss非线性系统状态估计的“最优”滤波器。但是粒子滤波作为采样贝叶斯估计算法，当采样粒子数不断增多时，逐渐趋近状态的后验概率密度。粒子滤波算法与其他非线性滤波算法一样，也是一种次优的滤波算法。在高维系统中，CKF算法的估计精度高于UKF算法。表2-1给出了各种非线性滤波算法的适用范围。

表2-1 各种非线性滤波算法的适用范围