ukf2.vi无迹卡尔曼滤波

以匀速直线运动为例，设计了基于距离的目标跟踪算法，即状态量为X、Y轴的位置和速度，观测值为物体到观测站的距离，具体实现过程见代码

python实现的无迹卡尔曼滤波算法，ukf 1 ~3 的观测方程不一样，感觉观测方程是平方时 有点莫名其妙。有兴趣的朋友下载自行研究。

首先，阐述车辆侧向主动避撞系统的研究背景，并从行车信息感知与处理，换道 安全距离模型，车辆动力学控制和车辆建模四个方面搭建侧向主动避撞系统构架。 其次，在不影响控制效果的前提下，简化车辆模型，建立车身动力学模型、车轮 动力学模型、轮胎模型，为后续车辆观测器的设计提供数学模型。 再次，车辆侧偏角和轮胎侧偏刚度是车辆操纵稳定性的重要参数，本文采用无迹 卡尔曼滤波对车身侧偏角进行估计，采用带遗忘因子的递推最小二乘法对轮胎侧偏刚度进行估计，为车辆侧向运动提供必要的行驶状态和环境信息。 最后，设计双层控制器控制车辆侧向稳定性。设计上层控制器以获取车辆侧向避 撞的期望轨迹，即期望横摆角速率和期望车身侧偏角；设计直接横摆力矩自适应滑模 控制器获得车辆转向力矩，实现车辆稳定安全避障。

关于UKF在MATLAB中的详细公式推导过程，通俗易懂

为准确估计捷联导引头视线角速率，建立了捷联式光学图像导引头数学模型，根据弹目运动相对关系进行视线角速率估计算法研究。定义了估计算法所需坐标系并建立了导引头与陀螺数学模型；根据弹目相对运动学及姿态关系建立视线角速率估计非线性状态方程；针对滤波精度与实时性应用的问题，提出无迹Kalman滤波(UKF)方法估计视线角速率，并建立半物理实验系统进行算法验证，实验结果表明：视线角及视线角速率的最大估计误差分别为0.37°与0.68°/s，估计精度分别为0.1008°与0.2116°/s；数字信号处理器(DSP)中算法运行时间约为3.8 ms，视线角速率估计算法同时能满足制导系统对精度与实时性的要求。基于UKF的视线角速率估计算法为捷联式光学图像导引头的工程应用提供理论依据。

备注： 无迹卡尔曼滤波在目标跟踪中的应用 无迹卡尔曼滤波算法； MATLAB仿真 目标跟踪matlab仿真实现; Case: 二维目标跟踪情况 对应的理论分析和参数设置，见博文https://blog.csdn.net/weixin_44044161/article/details/115381848?spm=1001.2014.3001.5501

备注： 无迹卡尔曼滤波在目标跟踪中的应用 无迹卡尔曼滤波算法； MATLAB仿真 目标跟踪matlab仿真实现; Case: 三维目标跟踪情况 对应的理论分析和参数设置，见博文https://blog.csdn.net/weixin_44044161/article/details/115381848?spm=1001.2014.3001.5501

备注： 无迹卡尔曼滤波算法 仿真场景为三维雷达目标跟踪 并与容积卡尔曼滤波算法比较了性能 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 输出：三维跟踪轨迹，各纬度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE. 对应的仿真模型及参数设置见扩展卡尔曼滤波 对应的理论分析和参数设置，见博文《扩展卡尔曼滤波EKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115329181?spm=1001.2014.3001.5501

C++实现CTRV模型的无迹卡尔曼滤波的代码，里面有详细解释和如何运行代码。具体的参考我的博客：https://blog.csdn.net/O_MMMM_O/article/details/106140853