【正文】 KF。極大似然估計(jì)從系統(tǒng)量測量出現(xiàn)概率最大的角度估計(jì)，其特點(diǎn)是不僅考慮新息的變化，而且考慮新息協(xié)方差矩陣的變化。這種由于計(jì)算舍入誤差所引起的發(fā)散稱為計(jì)算發(fā)散。自適應(yīng)濾波 在很多實(shí)際系統(tǒng)中，系統(tǒng)過程噪聲方差矩陣Q和量測誤差方差陣R事先是不知道的，有時(shí)甚至連狀態(tài)轉(zhuǎn)移矩陣或量測矩陣H也不能確切建立。但是大部分系統(tǒng)是非線性的，其中還有許多事強(qiáng)非線性的。CDF使用多項(xiàng)式插值方法來計(jì)算多維積分，其計(jì)算簡單，易于實(shí)現(xiàn)。UKF仍假設(shè)隨機(jī)系統(tǒng)的狀態(tài)必須服從高斯分布，但取消了對系統(tǒng)模型的限制條件，也就是說，不要求系統(tǒng)是近似線性的，同時(shí)，UKF不需要計(jì)算雅克比矩陣，因此不要求狀態(tài)函數(shù)和量測函數(shù)必須是連續(xù)可微的，它甚至可以應(yīng)用于不連續(xù)系統(tǒng)。基于極大似然準(zhǔn)則的自適應(yīng)卡爾曼濾波，通過系統(tǒng)狀態(tài)方差陣和量測噪聲方差陣實(shí)時(shí)估計(jì)系統(tǒng)噪聲統(tǒng)計(jì)特性的變化，以保證濾波器更好地適應(yīng)這種變化。如果計(jì)算機(jī)字長不夠長，這種積累誤差很有可能使估計(jì)誤差方差陣失去非負(fù)定性甚至失去對稱性，使濾波增益矩陣逐漸失去合適的加權(quán)作用而導(dǎo)致發(fā)散。如果所建立的模型與實(shí)際模型不符可能回引起濾波發(fā)散。非線性估計(jì)的核心就在于近似,給出非線性估計(jì)方法的不同就在于其近似處理的思想和實(shí)現(xiàn)手段不同。 幾乎同時(shí)，得到了分開差分濾波器（Divided Difference Filter，DDF）。 與EKF類似，UKF仍繼承了卡爾曼濾波器的基本結(jié)構(gòu)，不同之處在于UKF用Unscented變換取代了EKF中的局部線性化。除此之外，對于階次較高的系統(tǒng)，SageHusa自適應(yīng)濾波算法中和的在線估計(jì)有時(shí)會(huì)由于計(jì)算發(fā)散失去半正定性和正定性而出現(xiàn)濾波發(fā)散現(xiàn)象，此時(shí)SageHusa自適應(yīng)濾波算法的穩(wěn)定性和收斂性不能完全保證。（2） 由于卡爾曼濾波是遞推過程，隨著濾波步數(shù)的增加，舍入誤差將逐漸積累。自適應(yīng)濾波