目标跟踪是计算机视觉领域的重要研究方向之一,在精确制导、人机交互、机器人导航等诸多领域广泛应用。在高斯噪声环境下,扩展卡尔曼滤波器(EKF)是将非线性函数展开成Taylor级数,一阶EKF算法简单,计算量小,适用于弱非线性系统;二阶EKF精度高于一阶EKF,需要计算二阶雅克比矩阵,计算量大。文章研究了EKF与UKF的目标跟踪算法应用与对比。无迹卡尔曼滤波(UKF)用一系列确定的样本来逼近状态的后验概率密度,没有忽略高阶项,适用于所有非线性系统。文章对目标跟踪模型进行了仿真,结果表明,UKF滤波精度明显高于EKF滤波,二阶EKF滤波精度较一阶EK F有所提高。型仿真。首先，比较相同条件下的一阶EKF滤波与UKF滤波结目标跟踪算法应用-电动折弯机数控滚圆机滚弧机张家港弯管机滚弧机果，一阶EKF滤波与UKF滤波的位置误差、速度误差和加速度误差对比如图1—3所示。由图1可以看出，在相同仿真条件下，大多数仿真时间内，EKF滤波位置误差明显大于UKF滤波位置误差，本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/而且在第2s、第14s、第19s、第44s附近均出现较大的误差值。仅在第8~10s内，UKF滤波误差值略大于EKF滤波误差值。图1所示100个时间步长UKF位置误差均值约为6.53m，EKF位置误差均值约为10.93m。图1EKF与UKF滤波位置误差对比从图2和图3所示的滤波速度误差和滤波加速度误差，也可以看出在大多数滤波时间内，UKF滤波是优于EKF滤波的。这表明从整体上来说，UKF的状态估计优于EKF的状态估计。图2EKF与UKF滤波速度误差对比图3EKF与UKF滤波加速度误差对比为了衡量误差的整体水平，对100个时间序列的仿真位置误差求平均值，并做多次仿真实验，每次仿真的滤波位置误差平均值对比情况如表1所示，可以看出，UKF滤波误差均值大多数情况下是小于EKF滤波误差的，也就是说，UKF从概率统计意义上优于EKF。表1试验位置误差对比（单位：m）在相同条件下，一阶EKF与二阶EKF仿真位置误差对比情况如表2所示，由表2可知，二阶EFK滤波精度比一阶EFK滤波精度有所提高，但提高并不明显，这主要是因为式（29）中的修正项πk相比Xk的量级较低，即二阶雅克比矩阵Dk,1较校表2位置误差对比图（单位：m）1234567一阶EKF5.575.625.117.656.017.295目标跟踪算法应用-电动折弯机数控滚圆机滚弧机张家港弯管机滚弧机本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/