Power System Dynamic State Estimation Using Extended and Unscented Kalman Filters
电力系统动态特性的准确估计对于提高电力系统的可靠性、弹性、安全性和稳定性具有重要意义。随着基于逆变器的分布式能源的日益集成，对于电力系统的适当控制和操作，电力系统动态的知识变得比以往任何时候都更加必要和关键。虽然测量设备和传输技术的最新进展已经显著地减少了测量和传输误差，但是这些测量仍然不能完全摆脱测量噪声。因此，噪声测量需要被过滤以获得准确的电力系统操作动态。在这项工作中，电力系统的动态状态估计使用扩展卡尔曼滤波器（EKF）和无迹卡尔曼滤波器（UKF）。我们对西部电力协调委员会（WECC）的$3$ -机$9$ -总线系统和新英格兰$10$ -机$39$ -总线进行了案例研究.结果表明，UKF和EKF能够准确估计电力系统动态特性。最后给出了EKF和UKF在测试情况下的性能比较。其他卡尔曼滤波技术以及基于机器学习的估计器将很快在本报告中更新。所有源代码，包括Newton Raphson潮流，导纳矩阵计算，EKF计算和UKF计算，都可以在Github中公开获得
2020-12-11 cs.SY eess.SY
An Unscented Kalman Filter-Informed Neural Network for Vehicle Sideslip Angle Estimation
提出了一种新的车辆侧滑角估计方法，该方法利用基于非线性单轨车辆模型的无迹卡尔曼滤波器（UKF）的物理知识提高卷积神经网络（CNN）的估计精度。基于模型的方法和数据驱动的方法相互作用，两者都使用标准惯性测量单元和通过负载传感技术测量的轮胎力。CNN受益于UKF利用物理定律的能力。同时，UKF使用CNN输出作为侧滑角伪测量和自适应过程噪声参数。通过时间的反向传播算法被端到端地应用于CNN和UKF，以利用互利特性。使用包含多种车辆行为的216次机动的大规模实验数据集，我们证明了与基于模型和数据驱动技术相结合的当前最先进的混合方法相比，所提出的架构的准确性有了显着的提高。在有限的数据集的情况下，提供的训练阶段，所提出的混合方法仍然保证估计的鲁棒性。
2023-03-09 cs.SY eess.SY
Distributed Invariant Unscented Kalman Filter based on Inverse Covariance Intersection with Intermittent Measurements
本文提出了DIUKF-ICI方法，首次将逆协方差交集融合策略扩展到矩阵李群，解决了传感器网络上分布式状态估计中的未知相关性和间歇测量问题，并证明了估计误差有界。
2024-09-26 cs.SY eess.SY
Position and Velocity estimation of Re-entry Vehicles using Fast Unscented Kalman Filters
Australian Centre for Space Engineering Research, UNSW Australia（澳大利亚太空工程研究中心，新南威尔士大学）；School of Engineering and Information Technology, UNSW Australia（新南威尔士大学工程与信息技术学院）
本文提出两种基于UKF的改进估计方法，用于提升再入飞行器位置和速度估计的精度与效率，通过减少计算时间验证了SPUKF和ESPUKF在精度与速度上的优势。
2016-11-25 cs.SY eess.SY
Computationally Efficient Unscented Kalman Filtering Techniques for Launch Vehicle Navigation using a Space-borne GPS Receiver
ACSER, UNSW Australia（澳大利亚新南威尔士大学先进通信与信号处理研究中心）；UNSW Australia（澳大利亚新南威尔士大学）
本文提出两种改进的UKF变体用于运载工具导航，显著减少处理时间并提供与UKF相当的估计精度，通过Falcon 9 V1.1在CRS-5任务中的性能验证。
2016-11-25 cs.SY eess.SY
Comparison of Unscented Kalman Filter Design for Agricultural Anaerobic Digestion Model
本研究系统比较了多种无约束与带约束UKF变体在厌氧消化模型中的应用，发现带约束UKF估计最准确且可通过预计算梯度和二次规划重构大幅加速，为非线性Kalman滤波器实践者提供了实现指导。
2024-08-06 cs.SY eess.SY
Do the Contemporary Cubature and Unscented Kalman Filtering Methods Outperform Always the Traditional Extended Kalman Filter?
CEMAT (Center for Computational and Stochastic Mathematics), Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等理工学院计算与随机数学中心）
本文探讨了在存在刚性行为的随机系统中，传统扩展卡尔曼滤波可能优于当代方法的问题。
2016-04-15 cs.SY eess.SY math.OC
Unscented Kalman Filtering on Manifolds for AUV Navigation -- Experimental Results
Virginia Polytechnic Institute and State University（弗吉尼亚理工学院暨州立大学）
在这项工作中，我们提出了一个辅助惯性导航系统的自主水下航行器（AUV）使用流形上的无迹卡尔曼滤波器（UKF-M）。惯性导航估计由多普勒速度记录仪（DVL）、深度传感器、声波测距仪以及在地面上的GPS辅助。明确描述了AUV上每个导航传感器的传感器模型，包括IMU和每个传感器之间的杠杆臂偏移的补偿。此外，提出了一个离群值拒绝步骤，以拒绝测量离群值，会降低导航性能。UKF-M的AUV导航的实时导航弗吉尼亚理工大学690 AUV和验证现场实施。最后，通过对导航传感器数据的后处理，我们通过实验证明了UKF-M能够在任意大的初始航向误差的存在下收敛到正确的航向。
2022-10-12 cs.RO cs.SY eess.SY
Quaternion-based Unscented Kalman Filter for Robust Wrench Estimation of Human-UAV Physical Interaction
Carleton University（卡尔顿大学）
本文提出基于四元数的无迹卡尔曼滤波器（QUKF），用于实时、鲁棒估计辅助空中载具运输系统中系统状态和外部力矩。该方法通过四元数表示避免奇点，确保姿态和交互力矩的全局一致无漂移估计，通过动态模型实现耦合的平动和转动动力学，验证了QUKF在力矩估计中的高精度和数值稳定性。
2026-03-28 cs.SY eess.SY
Object Tracking Incorporating Transfer Learning into Unscented and Cubature Kalman Filters
King Saud University（沙特国王大学）；George Mason University（乔治梅森大学）
本文提出一种新的滤波算法，通过贝叶斯迁移学习解决两个传感器在非线性动态系统模型下噪声不匹配的问题，通过将源传感器的预测观测参数迁移到主传感器并作为过滤过程中的额外先验，提高主传感器的估计精度。
2026-05-18 cs.SY eess.SP eess.SY
A Two-Stage Bayesian Optimisation for Automatic Tuning of an Unscented Kalman Filter for Vehicle Sideslip Angle Estimation
Delft University of Technology（代尔夫特理工大学）；University of Eindhoven（埃因霍温大学）
提出了一种新的无迹卡尔曼滤波器（UKF）自整定方法。它涉及到使用两阶段贝叶斯优化（TSBO），基于t-学生过程，以优化车辆侧滑角估计的UKF的过程噪声参数。我们的方法最大限度地减少性能指标，给出的状态和测量的估计误差的平均总和为各种车辆操纵涵盖了广泛的车辆行为。通过TSBO使预定义的代价函数最小化，TSBO旨在找到可行区域中的位置，该位置使改进当前最佳解的概率最大化。实验数据集上的结果表明，在79.9%的时间比使用遗传算法（GA）和整体能力，以提高估计性能的9.9%的实验测试数据集，以目前的最先进的GA调整UKF的能力。
2022-06-30 cs.RO cs.SY eess.SY
DeepUKF-VIN: Adaptively-tuned Deep Unscented Kalman Filter for 3D Visual-Inertial Navigation based on IMU-Vision-Net
Carleton University（卡尔顿大学）
本文提出DeepUKF-VIN，利用IMU-Vision-Net和深度学习自适应机制调节无迹卡尔曼滤波器噪声协方差，实现GPS拒止环境下三维视觉惯性导航的方位、位置和速度鲁棒估计，并在真实数据上验证其优于标准UKF。
2025-03-12 cs.RO cs.SY eess.SY
Multi-Rate Distributed Unscented Kalman Filtering Under Collective Detectability
Bouvet（布韦特）；Arta Kyb（阿尔塔基布）；Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（挪威科技大学工程控制系）
本文针对无融合中心的非线性网络，提出多速率分布式UKF方法，基于集体可检测性实现信息扩散，在多速率采样下保持稳定且精度优于五轮协方差平均一致性。
2026-08-12 cs.SY eess.SY
Dual Quaternion-Based Unscented Kalman Filter with Visual Inertial Odometry for Navigation in GPS-Denied Environments
Carleton University（卡尔顿大学）
提出一种基于对偶四元数的无迹卡尔曼滤波（DQUKF）结合视觉惯性里程计（VIO），在GPS拒止环境下实现高精度状态估计，在EuRoC数据集上位置RMSE达0.2584米。
2026-06-08 cs.RO cs.SY eess.SY
UAV attitude estimation using Unscented Kalman Filter and TRIAD
本文提出一种基于UKF和TRIAD算法的AHRS，通过仿真和实验证明其在微控制器上具有低计算成本和实时性能。
2016-09-23 cs.RO cs.SY eess.SY
Data-Driven Intrusion Detection in Vehicles: Integrating Unscented Kalman Filter (UKF) with Machine Learning
针对车辆动力学参数难以获取的挑战，提出一种结合UKF与机器学习的数据驱动入侵检测框架，无需精确车辆建模即可有效检测传感器和执行器上的DoS攻击。
2025-06-27 cs.SY eess.SP eess.SY
Counter-Adversarial Learning with Inverse Unscented Kalman Filter
在反对抗系统中，为了推断智能对抗代理的策略，防御代理需要认知地感知对手收集的关于后者的信息。以前的工作的问题采用线性高斯状态空间模型和解决这个逆认知问题，通过设计逆随机滤波器。然而，在实践中，对抗系统通常是高度非线性的。在本文中，我们解决了这种情况下，制定逆认知作为一个非线性高斯状态空间模型，其中对手采用了无迹卡尔曼滤波器（UKF）估计防御者的状态，减少线性化误差。为了估计对手对防御者的估计，我们提出并开发了一种逆UKF（IUKF）系统。然后，我们推导出理论保证IUKF的随机稳定性的均方有界意义。多个实际应用的数值实验表明，IUKF的估计误差收敛，并密切遵循递归Cramér-Rao下界。
2023-03-24 cs.SY eess.SP eess.SY
Unscented Kalman Filter for Long-Distance Vessel Tracking in Geodetic Coordinates
Massachusetts Institute of Technology（麻省理工学院）
本文介绍了一种新的跟踪滤波器，主要用于自动地面车辆（ASV）的防撞系统。所提出的方法利用实时动态信息广播通过自动信息系统（AIS）的消息协议，以估计附近的合作目标的位置，速度和航向。每个目标的状态递归估计在大地坐标系中使用无迹卡尔曼滤波器（UKF）与运动学方程推导出的余弦球定律。这改进了以前的方法，其中许多采用扩展的卡尔曼滤波器（EKF），因此需要一个局部平面坐标系的规格，以便于描述的状态运动学在一个容易微分的形式。建议的大地UKF消除了对这个本地平面的需要。该特征对于远程ASV特别有利，否则远程ASV必须周期性地重新定义新的局部平面以减少线性化误差。在现实世界的行动中，这种重复的重新定义可能会引入错误并使任务规划复杂化。通过仿真和现场测试表明，建议的大地UKF执行以及，或优于传统的平面笛卡尔EKF，无论是在估计误差和稳定性。
2021-11-25 cs.AI cs.RO cs.SY
Lie Algebraic Unscented Kalman Filter for Pose Estimation
Norwegian University of Science and Technology (NTNU)（挪威科技大学（NTNU））
提出了一种基于矩阵李群的无迹卡尔曼滤波器，其中状态的时间传播在李代数上表示。这是用对数的运动微分方程完成的，其中使用右雅可比矩阵的逆。sigma点可以表示为向量形式的矩阵，sigma点的时间传播以及均值和协方差的计算可以在李代数上完成。所得公式在很大程度上基于矢量形式的矩阵，因此更接近于$\mathbb{R}^n$中系统的UKF。这给出了一个优雅的和结构良好的配方，提供了额外的洞察力的问题，这是计算效率。所提出的方法是特别制定和研究的矩阵李群$SE(3)$。对右雅可比矩阵和左雅可比矩阵进行了讨论，并导出了$SE(3)$上右雅可比矩阵的逆矩阵的一种新的封闭形式解，该解给出了一种包含较少矩阵运算的紧凑表示.所提出的方法在仿真中进行了验证。
2020-04-30 cs.RO cs.SY eess.SY
The Kalman Filter: a didactical overview
Zurich University of Applied Sciences（苏黎世应用科学大学）
本文教学性地介绍了卡尔曼滤波的三种标准变种——基本、扩展和无迹滤波，并讨论了它们在三个代表性问题中的应用。
2016-07-16 cs.SY eess.SY
Nodal Hydraulic Head Estimation through Unscented Kalman Filter for Data-driven Leak Localization in Water Networks
Institut de Robòtica i Informàtica Industrial, CSIC-UPC（西班牙国家研究委员会-加泰罗尼亚理工大学工业机器人与信息技术研究所）；University of Bucharest（布加勒斯特大学）；Institute for Logic and Data Science（逻辑与数据科学研究所）；Politehnica University of Bucharest（布加勒斯特理工大学）；Supervision, Safety and Automatic Control Research Center (CS2AC) - UPC（加泰罗尼亚理工大学监督、安全与自动控制研究中心）
本文提出一种基于无迹卡尔曼滤波的节点水头估计方法，通过结合预测模型与实测数据并动态更新权重矩阵，有效提升了供水管网的状态估计与数据驱动泄漏定位精度。
2023-11-27 cs.LG cs.NA cs.SY
An unscented Kalman filter method for real time input-parameter-state estimation
Department of Civil Engineering and Engineering Mechanics, Columbia University（哥伦比亚大学土木工程与工程力学系）
本文提出一种新型无迹卡尔曼滤波方法，通过两阶段估计实现线性与非线性系统的实时未知输入、参数与状态联合估计，并利用扰动分析证明其可唯一识别系统。
2025-11-04 cs.AI cs.CV cs.SY
Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
本研究提出利用无迹卡尔曼滤波器更新神经网络参数，以少量数据学习机器人动力学或仿真模型与真实机器人间的残差误差，并在机械臂和轮式机器人上验证，有效缩小了现实差距。
2023-05-08 cs.LG cs.RO cs.SY
Adaptive Force Controller for Contact-Rich Robotic Systems using an Unscented Kalman Filter
University of California, Los Angeles（加州大学洛杉矶分校）
针对多点接触机器人的力控需求，提出一种基于自动整定的自适应导纳控制器，可兼顾旋转摩擦、力旋量跟踪、防滑与避奇异，并在攀爬机器人硬件上验证了操作与移动任务中的鲁棒性。
2023-10-01 cs.RO cs.SY eess.SY
Dual Unscented Kalman Filter Architecture for Sensor Fusion in Water Networks Leak Localization
Institut de Robòtica i Informàtica Industrial, CSIC-UPC（西班牙科学研究理事会-加泰罗尼亚理工大学机器人与工业自动化研究所）；LOS-CS-FMI, University of Bucharest（布加勒斯特大学数学与计算机科学学院计算机科学系）；Supervision, Safety and Automatic Control Research Center (CS2AC) of the Universitat Politècnica de Catalunya（加泰罗尼亚理工大学监督、安全与自动控制研究中心）；Politehnica University of Bucharest（布加勒斯特理工大学）
本文提出双无迹卡尔曼滤波方法融合多类传感器数据，提升节点水头与管道流量估计，在Modena和L-TOWN案例中优于现有方法，实现更精确泄漏定位。
2024-12-16 cs.LG cs.SY eess.SY
Quaternion-based Unscented Kalman Filter for 6-DoF Vision-based Inertial Navigation in GPS-denied Regions
Carleton University（卡尔顿大学）
针对GPS拒止区域刚体6自由度运动的位姿、位置和线速度估计问题，提出定义在特定空间的计算高效的四元数导航无迹卡尔曼滤波器，融合视觉与IMU数据，经真实数据集验证其鲁棒性和有效性。
2024-12-03 cs.RO cs.SY eess.SY
Continuous-discrete unscented Kalman filtering framework by MATLAB ODE solvers and square-root methods
针对连续-离散无迹卡尔曼滤波器的实现设计问题，提出基于MATLAB ODE求解器和J正交变换平方根方法的实现框架，可提升随机动态系统状态估计的精度与鲁棒性。
2023-10-06 cs.NA cs.SY eess.SY
Analysis of the Unscented Transform Controller for Systems with Bounded Nonlinearities
本文分析了一种与无迹卡尔曼滤波对偶的无迹变换控制器，针对含状态有界非线性的离散时间系统，利用李雅普诺夫方法证明状态和输入收敛到原点附近有界球，并通过战斗机和四旋翼模型验证其调节与跟踪性能。
2025-04-11 cs.SY eess.SY
The Unscented Kalman Filter for Nonlinear Parameter Identification of Adaptive Cruise Control Systems
提出双重无迹卡尔曼滤波器，利用车载传感器实时联合辨识商用ACC的状态与CTHP参数，并基于实测SUV数据验证其相对最小二乘方法的有效性。
2023-06-06 cs.SY eess.SY math.OC
Inverse Unscented Kalman Filter
本文针对非线性系统提出逆无迹卡尔曼滤波器（I-UKF），并推广到未知系统提出 RKHS-UKF，理论证明其稳定性与保守性，实验验证了估计性能。
2024-05-01 cs.SY eess.SP eess.SY
Unscented Orientation Estimation Based on the Bingham Distribution
Intelligent Sensor-Actuator-Systems Laboratory (ISAS) Institute for Anthropomatics Karlsruhe Institute of Technology (KIT), Germany（智能传感器-执行器系统实验室（ISAS） 人机学研究所 卡尔斯鲁厄大学（KIT） 德国）；Computer Graphics Group Department of Computer Science University College London (UCL), United Kingdom（计算机图形学组 计算机科学系 伦敦大学学院（UCL） 英国）
本文提出基于Bingham分布的滤波器，考虑姿态估计的周期性，利用超球面上的分布特性提升非线性姿态估计的精度。
2013-11-22 cs.RO cs.SY eess.SY
Estimating States and Model Uncertainties Jointly by a Sparsity Promoting UKF
在许多工程领域中，只有所考虑系统的部分模型可用时的状态估计仍然是一个主要挑战。本文提出了一种联合平方根无迹卡尔曼滤波器，通过物理激励库函数的线性组合同时估计状态和模型不确定性。使用稀疏性促进方法，选择这些线性组合的选择，从而可以提取可解释的模型。结果表明，一个小的估计误差相比，传统的平方根无迹卡尔曼滤波器，并表现出增强的物理意义的模型。
2022-07-08 cs.SY eess.SP eess.SY
Unscented Particle Filter for Visual-inertial Navigation using IMU and Landmark Measurements
Department of Mechanical and Aerospace Engineering, Carleton University（机械与航空航天工程系，卡尔顿大学）
本文提出了一种基于四元数的无迹粒子滤波器QUPF-VIN，通过融合低成本IMU和视觉地标观测数据，专为GPS拒止环境下的6 DoF车辆设计，实验证明其跟踪精度优于标准Kalman滤波器。
2025-04-27 cs.RO cs.SY eess.SY
Cubature Kalman Filter as a Robust State Estimator Against Model Uncertainty and Cyber Attacks in Power Systems
本文比较了容积卡尔曼滤波器（CKF）与扩展卡尔曼滤波器（EKF）在电力系统面对模型不确定性和网络攻击时的估计性能，证明CKF在精度和攻击检测上更优。
2025-03-27 cs.SY eess.SY
Extended Kalman Filtering for Recursive Online Discrete-Time Inverse Optimal Control
本文将离散时间逆最优控制问题转化为非线性滤波问题，提出一种基于扩展卡尔曼滤波的递归在线求解方法，利用Pontryagin可微编程高效计算雅可比矩阵，并首次为带噪不完整测量提供理论误差保证，且速度显著优于无迹卡尔曼滤波方法。
2024-03-16 cs.SY eess.SY
Kalman-Like Filter under Binary Sensors
研究了二值传感器下的线性/非线性类卡尔曼滤波问题。由于新息代表了传感器测量中的新信息，并用于校正卡尔曼滤波器（KLF）的预测，提出了一种新的不确定测量模型，使得从二进制传感器产生的新息可以被捕获。在考虑线性动态系统时，利用矩阵不等式构造了一个参数可调的保守估计误差协方差，然后通过最小化其迹导出了一个最优滤波增益。同时，通过最小化保守估计误差协方差的上界，给出了可调参数的最优选择准则。当考虑非线性动态系统时，利用无迹变换和矩阵不等式构造了一个参数可调的保守估计误差协方差。然后，遵循线性动态系统设计KLF的思想，设计了非线性滤波器增益和最佳可调参数。最后，通过$O_2$含量估计和非线性数值系统的仿真验证了所提方法的有效性和优越性。
2021-10-27 cs.SY eess.SY
On the Accuracy of the One-step UKF and the Two-step UKF
无迹卡尔曼滤波器（UKF）的最精确的版本涉及两个集成的建设。然而，为了降低计算成本，UKF通常在没有第二集合的情况下实现。然而，这种简化是有代价的，因为对于线性系统，两步UKF的一步变化并不专用于经典的卡尔曼滤波器，具有相关的精度损失。本文弥补了这一缺点，通过开发一个修改的一步UKF恢复经典的卡尔曼滤波器的线性系统。数值算例表明，在具有线性输出的非线性系统中，改进的一步UKF也恢复了两步UKF的精度。
2022-08-18 cs.SY eess.SY
Extending the practical applicability of the Kalman Filter
施密特滤波器是对卡尔曼滤波器的修改，允许将系统参数作为状态附加，并在滤波过程中考虑其不确定性影响，而无需尝试估计此类参数。仅被考虑但未被估计的状态通常被称为\textit{consider}或\textit{considered}状态。本研究的主要贡献是施密特-卡尔曼滤波器，它结合了著名的平方根和因式分解滤波形式的数值鲁棒性，加上积极尝试更新的能力\textit{considered}状态的配方。在这项研究中提出的过滤器配方是一个基本的扩展卡尔曼滤波器。因此，这项工作的公式也适用于扩展卡尔曼滤波器的框架内。更重要的是，他们被证明可以处理非线性，较大的初始不确定性，和不良条件下的系统比一个典型的扩展或施密特卡尔曼滤波器。由于新的滤波器直接基于施密特滤波器，因此它们提供了一种新颖而直接的滤波框架，允许在可能需要更先进或更详细技术的情况下使用更简单的滤波器。
2022-08-26 cs.SY eess.SY
Adaptive Extended Kalman Filter (ROSE-Filter) for Positioning System
本文阐述了用扩展卡尔曼滤波器（EKF）估计车辆位置和姿态的方法。为此，设计了非线性模型，并使用测量噪声协方差矩阵的自适应计算，即所谓的ROSE滤波器（快速持续随机协方差估计滤波器）。系统的输入是来自二维位置系统的测量位置。估计的是车辆的姿态（位置和方向）和速度。
2021-08-24 cs.SY eess.SY
Numerical Gaussian process Kalman filtering for spatiotemporal systems
提出了一种新的时空系统的卡尔曼滤波器，称为数值高斯过程卡尔曼滤波器（GPKF）。数值高斯过程最近被引入作为一种物理信息机器学习方法，用于模拟时间依赖的偏微分方程，而无需空间离散化。我们把数值GP的概率状态空间的形式。该模型是线性的，其状态服从高斯分布。这些性质使我们能够将数值GP状态空间模型嵌入到递归卡尔曼滤波器算法中。我们展示了两个案例研究的方法。
2021-05-05 cs.SY eess.SY
A summary on the UD Kalman Filter
本文档包含UD卡尔曼滤波器现有机制之一的简明统一参考。相关的矩阵算法也包括与相应的参考。
2022-06-29 cs.SY eess.SY
Implicit Particle Filtering via a Bank of Nonlinear Kalman Filters
本文针对隐式粒子滤波的计算实现问题，利用粒子更新与 Kalman 滤波更新的联系，提出由一组非线性 Kalman 滤波器构成的新型实现，以提升计算可行性与效率。
2023-06-07 cs.SY eess.SY
An Elementary Introduction to Kalman Filtering
卡尔曼滤波是在诸如车辆的信号处理和自主控制的应用领域中使用的经典状态估计技术。它现在被用来解决计算机系统中的问题，如控制处理器的电压和频率。虽然在文献中有许多卡尔曼滤波的介绍，但它们通常处理诸如自主机器人或具有高斯噪声的线性系统之类的特定系统，这使得很难理解卡尔曼滤波背后的一般原理。在本文中，我们首先提出了抽象的思想背后的卡尔曼滤波的水平，任何人都可以与概率论和微积分的基本知识，然后显示这些概念如何可以应用到特定的问题，状态估计在线性系统。这种概念与应用程序的分离应该使它更容易理解卡尔曼滤波，并将其应用于计算机系统中的其他问题。
2019-06-27 cs.SY eess.SY
Estimation for Quadrotors
Brown University（布朗大学）；Udacity, Inc.（Udacity公司）；Fotokite（Fotokite公司）
本文基于四旋翼模型，推导了扩展卡尔曼滤波器的推导过程，提供EKF、贝叶斯滤波和无迹卡尔曼滤波的伪代码，旨在解决四旋翼状态估计中的噪声和计算限制问题。
2018-08-31 cs.RO cs.SY eess.SY
CT-ESKF: A General Framework of Covariance Transformation-Based Error-State Kalman Filter
提出统一各类误差状态卡尔曼滤波算法的CT-ESKF框架，通过协方差变换解决InEKF在混合坐标系观测下的轨迹无关性失效问题，在INS/GNSS/里程计系统中性能优于InEKF和原始EKF。
2025-11-01 cs.SY eess.SY
Comparing Kalman Filters and Observers for Power System Dynamic State Estimation with Model Uncertainty and Malicious Cyber Attacks
University of Central Florida（中佛罗里达大学）；the University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；Southern Methodist University（南卫理公会大学）
本文比较了卡尔曼滤波器与观测器在处理电力系统动态状态估计中的模型不确定性及网络攻击问题，通过测试发现CKF和观测器在鲁棒性上更优。
2018-06-29 cs.SY eess.SY math.OC
A Square-Root Kalman Filter Using Only QR Decompositions
Carnegie Mellon University（卡内基梅隆大学）
卡尔曼滤波器通过以均值和协方差的形式存储状态估计的高斯描述来操作。代替直接存储和操纵协方差矩阵，平方根卡尔曼滤波器仅形成和更新协方差矩阵的三角矩阵平方根。该算法比传统的卡尔曼滤波器具有更好的数值稳定性，工作精度提高一倍。本文提出了一种公式的平方根卡尔曼滤波器，利用QR分解，大大简化了产生的算法。
2022-08-12 cs.RO cs.SY eess.SY
Adaptive Kalman Filtering Developed from Recursive Least Squares Forgetting Algorithms
本研究提出KFLS代价函数并证明RLS扩展是卡尔曼滤波特例，据此结合二者提出一类自适应卡尔曼滤波，数值算例验证其对含间歇性未建模碰撞的质量-弹簧-阻尼器系统状态估计更优，可为非经典扰动系统提供增益。
2024-04-16 cs.SY eess.SP eess.SY
Consensus optimization approach for distributed Kalman filtering: performance recovery of centralized filtering with proofs
本文从分布式优化的角度研究了分布式卡尔曼滤波（DKF）。由于卡尔曼滤波是一个最大后验估计（MAP）问题，而MAP问题是一个二次优化问题，因此我们将DKF问题转化为一个一致性优化问题，从而使得它可以用现有的许多分布式优化算法来求解。提出了一种新的基于对偶上升法的DKF算法，并在较弱的假设条件下证明了该算法的稳定性。通过数值实验对算法的性能进行了评估。
2022-08-19 cs.SY eess.SY math.OC
RCUKF: Data-Driven Modeling Meets Bayesian Estimation
University of New Mexico（新墨西哥大学）
RCUKF结合数据驱动建模与贝叶斯估计，用于高维或混沌系统中准确的状态估计与实时校正。
2025-08-07 cs.LG cs.SY eess.SY
Validation methodology on real data of reversible Kalman Filter for state estimation with Manifold
IRL2958 GT-CNRS GeorgiaTech Europe - Metz, France（GT-CNRS 高缇雅欧洲-梅斯）
本文提出了一种在真实数据中验证可逆卡尔曼滤波器准确性的方法，通过事件检测步骤切换滤波器类型以提高性能。
2026-01-19 cs.SY eess.SY math.OC
Invariant extended Kalman filter on matrix Lie groups
在矩阵李群上导出了保持对称不变的扩展卡尔曼滤波器（IEKF）。这些卡尔曼滤波器具有优于常规扩展卡尔曼滤波器的优点，因为这种滤波器的误差动态与组配置无关，而组配置又提供了对收敛区域的统一估计。建议的IEKF不同于文献中现有的技术，因为它是使用微分几何的最小工具导出的，在很大程度上简化了它的表示和推导。将滤波器误差动力学直接定义在李代数上，而不是用欧几里得空间来标识李代数或用指数映射来定义局部坐标系下的误差动力学，并在相应的线性算子空间上用张量代数来描述相应的微分Riccati方程.建议的滤波器实现的刚体，这是一个基准的控制问题的姿态动力学，其性能与传统的扩展卡尔曼滤波器（EKF）进行比较。数值实验结果表明，IEKF算法计算量小，性能优于EKF算法。
2019-12-29 cs.SY eess.SY math.OC
Implementation of Kalman Filter Approach for Active Noise Control by Using MATLAB: Dynamic Noise Cancellation
本文提出在ANC系统中采用卡尔曼滤波器替代FxLMS算法，以改善动态噪声的降噪效果，并通过数值模拟验证了其更优的收敛性能。
2024-02-10 cs.SY eess.AS eess.SP
Kalman Filter Meets Subjective Logic: A Self-Assessing Kalman Filter Using Subjective Logic
Ulm University（乌尔姆大学）
自我评估是自动驾驶安全性和鲁棒性的关键。为了设计更安全、更强大的自动驾驶功能，我们的目标是自我评估整个自动驾驶系统中每个模块的性能。自动驾驶系统中的一个关键组件是跟踪周围的物体，其中卡尔曼滤波器是最基本的跟踪算法。对于卡尔曼滤波器，一些经典的在线一致性措施存在的自我评估，这是基于经典的概率理论。然而，这些经典的方法缺乏能力来衡量明确的统计不确定性的自我评估，这是一个重要的质量措施，特别是，如果只有少量的样本可用于自我评估。在这项工作中，我们提出了一种新的在线自我评估方法，使用主观逻辑，这是一个现代的扩展概率逻辑，明确建模的统计不确定性。因此，通过将经典卡尔曼滤波嵌入到主观逻辑中，我们的方法还具有在自我评估中对统计不确定性的明确测量。
2020-07-01 cs.RO cs.SY eess.SP
