西格玛点滤波器中数值积分误差标定的改进

西格玛点滤波器（如UKF）利用数值积分在矩变换步骤中获得额外阶的精度，是普遍使用的EKF的流行替代方案。西格玛点滤波器中使用的经典积分规则通过被积函数的多项式逼近引出，但在应用背景下这些假设并非总能成立。结果，积分误差会将偏差引入估计矩中，而经典西格玛点滤波器对此没有补偿机制。这进而可导致标定不良的估计与预测。本文在西格玛点滤波器背景下研究Bayes-Sard积分方法，其使得积分误差导致的不确定性可在概率模型中形式化。我们的首要贡献是将众所周知的经典积分推导为Bayes-Sard积分方法的特例。随后开发了通用矩变换并用于设计新颖的西格玛点滤波器，从而显式量化积分误差导致的不确定性。在具有错误指定初始条件的挑战性跟踪数值实验表明，我们方法内置的额外不确定性量化带来了具有改进RMSE的更好标定状态估计。