sigma points kalman filters（SPKF)

这篇主要是关于sigma点的卡尔曼滤波（分为unscented Kalman filter (UKF)and the central difference Kalman filter (CDKF)），是一种估计离散非线性系统状态的方法。与EKF（Extended Kalman Filters)相比，主要区别是采用sigma points 代替了非线性函数的线性化。下面的内容主要翻译的Rudolph van der Merwe 的Sigma Point Kalman Filters for Nonlinear Estimation and Sensor Fusion Applications to Integrated Navigation这篇文章

模型：

　　　　　　　　　X_k+1 =   f (X_k,V_k)

　　　　　　　　　Y_k    =    h (X_k,n_k)　　

sigma point kalman filters 主要是利用sigma点方法（sigma point approach）基本过程是：

假设自变量x€R^L，y=g(x) ，假定x的均值和方差分别为a，P。为了计算统计状态的y

1.利用自变量的均值和方差构建带有权值的sigma点。

2. 得到的sigma 点通过非线性函数传递得到ý,y通过ý计算得到。

SPKF 是利用sigma 点的基础上，与kalman方法结合得到的，具体过程为：

具体可以参考上面提到的文章