Extension Kalman Filter算法

[水灵]

  EKF全称ExtendedKalmanFilter，即扩展卡尔曼滤波器，一种高效率的递归滤波器(自回归滤波器)。
  卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全包含噪声的测量(英文:measurement)中，估计动态系统的状态。
  这种滤波方法以它的发明者鲁道夫.E.卡尔曼（Rudolf E. Kalman）命名。然而简单的卡尔曼滤波必须应用在符合高斯分布的系统中，后期的学者对其进行了多方面的改进，其中之一就是扩展卡尔曼滤波，可应用于时间非线性的动态系统。
  以自动驾驶为例，图中符号的含义如下：xˇ: 设计的轨迹，比如预先计算得出的理想轨迹。 w: 驾驶过程中各种操作引入的噪声，称为过程噪声。x: 在理想轨迹之上混入了过程噪声的真实轨迹。 t 下标表示时间。 n: 观测噪声。y: 观测数据：对真实轨迹的观测，其中包含观测噪声。