Tại sao tôi vẫn nên sử dụng EKF thay vì UKF?

Bộ lọc Kalman không tập trung là một biến thể của Bộ lọc Kalman mở rộng sử dụng một tuyến tính hóa khác nhau dựa trên việc chuyển đổi một tập hợp "Điểm Sigma" thay vì mở rộng chuỗi Taylor thứ nhất.

UKF không yêu cầu tính toán Jacobian, có thể được sử dụng với phép biến đổi không liên tục và quan trọng nhất là chính xác hơn EKF cho các phép biến đổi phi tuyến cao.

Nhược điểm duy nhất tôi tìm thấy là "EKF thường nhanh hơn một chút so với UKF" (Robot có thể xảy ra). Điều này dường như không đáng kể đối với tôi và sự phức tạp tiệm cận của họ dường như là như nhau.

Vậy tại sao mọi người dường như vẫn thích EKF hơn UKF? Tôi đã bỏ lỡ một bất lợi lớn của UKF?

Dưới đây là một vài điểm có thể xem xét. Chắc chắn UKF có nhiều điểm đối lập, nơi nó cũng có lợi thế.

Lợi thế rõ ràng nhất là sức mạnh tính toán. Đừng quên rằng theo truyền thống, các bộ lọc này được triển khai trên các hệ thống nhúng với tài nguyên tính toán rất hạn chế. Ngoài ra, trong khi bản thân tôi không có nhiều kinh nghiệm với UKF, một lợi thế đáng kể của EKF là sự dễ dàng thực hiện tương đối của họ. Đối với nhiều hệ thống, Jacobian có nguồn gốc phân tích rất dễ dàng, điều này khiến cho việc thực hiện EKF chủ yếu trở nên đơn giản.

Một lĩnh vực khác của lợi thế tiềm năng là dễ điều chỉnh. Tôi không nhớ có bao nhiêu thông số có thể điều chỉnh trong UKF, nhưng các thông số điều chỉnh EKF đã được hiểu rõ vì Bộ lọc Kalman cơ bản có mặt khắp nơi nên bất kỳ ai nghĩ về việc sử dụng UKF đều biết cách điều chỉnh EKF.

Cuối cùng, đừng bỏ qua động lực. Nếu một hệ thống hiện có đã có EKF hoạt động, tại sao phải trải qua tất cả các công việc triển khai và thử nghiệm UKF?