卡尔曼滤波器估计一个用线性随机差分方程描述的离
散时间过程的状态变量 x 2 <n 。 但如果被估计的过程和(或) 观测变量与
过程的关系是非线性的, 那应怎么办? 一些最著名和有趣的卡尔曼滤波应
用就是处理这些情况的。 将期望和方差线性化的卡尔曼滤波器称作扩展卡
尔曼滤波器(Extended Kalman Filter), 简称EKF。
同泰勒级数类似, 面对非线性关系时, 我们可以通过求过程和量测方
程的偏导来线性化并计算当前估计。 我们将第一节中的公式换一种方式表
示。 假设过程仍具有状态向量 x 2 <n , 但其状态方程已变为非线性随机差
分方程的形式。
其中的“被估计的过程和(或)观测变量与过程的关系是非线性的” 该如何理解?