递归贝叶斯估计框架下的非线性滤波算法综述

摘要

对递归贝叶斯估计框架下的非线性滤波(Nonlinear Filter,NF)算法进行分类,根据NF算法设计思想的不同把它们分为基于函数拟合/变换的NF算法、基于矩拟合的NF算法和基于条件后验概率密度函数拟合的NF算法.同时,还论述了线性回归卡尔曼滤波算法、二阶分离差分卡尔曼滤波算法、Unscented Kalman Filter算法和高斯-厄米特滤波算法四者间的共性与区别,指出了基于NF算法间相互融合的新NF算法设计的不足,分析了上述三类NF算法设计思想的完备性,发现了一些NF算法设计思想中的不足,明确了NF算法将来的突破方向.