无迹卡尔曼滤波器学习：为非线性状态估计提供无迹卡尔曼滤波器的实现，(matlab开发)。

简介：
非线性状态估计确实是一个颇具难度的课题。 广为人知的卡尔曼滤波器仅适用于线性系统。 扩展卡尔曼滤波器 (EKF) 已经成为处理非线性状态估计的常用方法。 但是，由于不确定性在非线性系统中会产生扩散，它在处理高度非线性系统时，可能会导致相当大的误差。 无迹卡尔曼滤波器 (UKF) 则代表了该领域的一项重要进步。 其核心思想在于，通过在当前状态估计周围生成若干个采样点（称为 Sigma 点），并利用这些采样点进行非线性映射，从而获得映射结果的均值和协方差的更为精确的估计。 这种方法避免了计算雅可比矩阵的必要性，因此其计算负担与 EKF 类似。 为了便于教程演示，本代码实现了 UKF 公式的一个简化版本，我们假设过程噪声和测量噪声均为可加的形式，从而避免状态维度增加，并简化了对非线性映射的假设。 代码中包含了大量的注释，并提供了使用该函数的示例说明。 因此，对于初学者来说学习 UKF 是一个不错的选择。 为了便于对比分析，可以参考http://www.mathworks.com/