【MATLAB例程】三维EKF（扩展卡尔曼滤波）、UKF（无迹卡尔曼滤波）、CKF（容积卡尔曼滤波）、PF（粒子滤波）四种滤波方法对比

原创于 2026-07-21 13:09:50 发布 · 147 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

卡尔曼专题免费专栏

话题

#IT疑难杂症诊疗室

在这里插入图片描述

完整代码，附下载链接

文章目录

代码介绍
- 输出指标
运行结果
MATLAB源代码

代码介绍

输出指标

程序对每种方法输出以下统计指标：

均方根误差：反映整体估计精度
平均绝对误差：反映平均偏差水平
最大绝对误差：反映最差时刻误差
标准差：反映误差波动程度
总体误差统计：综合X轴、Y轴和Z轴误差后的整体性能

这些指标配合状态曲线、空间轨迹曲线和误差曲线，可以从数值和图像两个角度比较 EKF、UKF、CKF、PF 的滤波效果。

运行结果

程序运行后将生成以下图像，命令行窗口也会输出误差统计指标。

三维状态估计曲线：

在这里插入图片描述

三维空间轨迹对比图：

在这里插入图片描述

三维状态估计误差曲线：

在这里插入图片描述

总体误差统计柱状图：
在这里插入图片描述

命令行：
在这里插入图片描述

MATLAB源代码

部分代码：

% 三维 EKF、UKF、CKF、PF 四种滤波方法对比
% 直接运行本文件即可生成中文状态曲线、中文轨迹曲线、中文误差曲线、中文误差统计柱状图和中文命令行输出。
% 作者：matlabfilter（微信），可接导航和滤波的定制与讲解
% 2024-06-29/Ver1
% 2025-07-28/Ver2：优化误差显示图像
% 2026-07-08/Ver3：优化显示
clear; clc; close all;
rng(0);

%% 参数设置
scene_name = '三维非线性状态估计';
main_file = 'EKFUKFCKFPF_3D.m';
script_dir = fileparts(mfilename('fullpath'));
if isempty(script_dir)
    script_dir = pwd;
end

state_dim = 3;                  % 状态维度
step_count = 300;               % 仿真步数
t = 1:step_count;               % 时间序列
Q = 0.40^2 * eye(state_dim);    % 过程噪声协方差
R = 1.00^2 * eye(state_dim);    % 测量噪声协方差
particle_count = 400;           % 粒子滤波粒子数量

x0 = [0; 1; -1];                % 初始真实状态
x0_est = x0 + [0.8; -0.4; 0.5]; % 初始估计状态
P0 = 2 * eye(state_dim);        % 初始估计协方差

%% 生成真实状态、未滤波状态和测量值
X_true = zeros(state_dim, step_count);
X_raw = zeros(state_dim, step_count);
Z = zeros(state_dim, step_count);
chol_Q = chol(Q, 'lower');
chol_R = chol(R, 'lower');