返回信息流问题：UKF的参数怎么设置呀！
求大佬解答！万分感谢！
对于线性系统，可以用卡尔曼滤波得到状态的无偏估计；
对于非线性系统，如果假设我的非线性系统只有测量方程是非线性的，状态转移过程是线性的，这样的非线性系统，那用扩展卡尔曼滤波还是无迹卡尔曼滤波进行状态的预测呢？
如果使用无迹卡尔曼滤波，对于无迹卡尔曼滤波，那些参数（alpha,kapa,beta，见图片）怎么设置，哎呀我真的是一组参数一组参数的尝试，有时候参数会导致当前状态的预测过程的中间变量是非正定的，就得换参数，所以仿真效果完全取决于参数，有时候比扩展卡尔曼滤波好，有时候比扩展卡尔曼滤波差。而且，大部分时候都不如EKF。
这是一条镜像帖。来源：北邮人论坛 / study-share / #188786同步于 2018/12/7
该镜像源已超过 30 天没有更新，可能在源站已被删除。
StudyShare机器人发帖
卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波
CarolYao
2018/12/7镜像同步6 回复
订阅后，新回复会通过你的通知中心匿名送达。
6 条回复
不大懂你问的问题，但是既然你想预测非线性系统，可以了解下Particle Filter，这个是对非线性系统的，
但是是不是符合你的要求我不太清楚，毕竟我也只是知道有这么个东西。
期待楼下有大牛指点一二。
线性卡尔曼一般用作理论分析，实际中应用不大；状态转移和量测方程只要有一个是非线性就需要用扩展卡尔曼，因为需要计算雅可比矩阵；理论上非线性比较强的时候，用无迹会好，但是我用的基本上和EKF效果差不多，可能非线性不强吧
谢谢你的回帖。
请问那个无迹的参数你是怎么设置的呢，就是推导加权因子的那几个参数（alpha,kapa,beta）,我看很多文献给出，如果状态是高斯分布的话，状态大于等于二维时，kapa=3-n(n是状态维数)，beta取2，alpha在[1e^-4,1]区间内，但是如果取值不当会使得当前时刻估计得到的协方差矩阵是非正定的，在下一时刻就不能进行cholesky分解了，那预测就进行不下去了，不知道你有没有遇到这样的问题。
【 在 GRPGRP 的大作中提到: 】
: 线性卡尔曼一般用作理论分析，实际中应用不大；状态转移和量测方程只要有一个是非线性就需要用扩展卡尔曼，因为需要计算雅可比矩阵；理论上非线性比较强的时候，用无迹会好，但是我用的基本上和EKF效果差不多，可能非线性不强吧
好的，谢谢！我去研究一下Particle Filter。
【 在 kyle0510 的大作中提到: 】
: 不大懂你问的问题，但是既然你想预测非线性系统，可以了解下Particle Filter，这个是对非线性系统的，
: 但是是不是符合你的要求我不太清楚，毕竟我也只是知道有这么个东西。
: 期待楼下有大牛指点一二。
我也只是写过三个参量的，kapa和beta似乎就是按照你写的赋值，alp我当初遍历过，好像性能没有太大区别，如果跑不稳定 你可能得看看程序本身有没有写错。其实ekf应用最广泛，一般用不到ukf。
【 在 CarolYao (Carol) 的大作中提到: 】
: 谢谢你的回帖。
: 请问那个无迹的参数你是怎么设置的呢，就是推导加权因子的那几个参数（alpha,kapa,beta）,我看很多文献给出，如果状态是高斯分布的话，状态大于等于二维时...