为什么仍应使用EKF代替UKF？

Unscented Kalman滤波器是Extended Kalman滤波器的一种变体，它使用不同的线性化，该线性化依赖于变换一组“ Sigma点”而不是一阶Taylor级数展开。

UKF不需要计算雅可比行列式，可以用于不连续变换，并且最重要的是，对于高度非线性的变换，UKF比EKF更准确。

我发现的唯一缺点是“ EKF通常比UKF快一点”（概率机器人）。对于我来说，这似乎可以忽略不计，并且它们的渐近复杂度似乎是相同的。

那么，为什么每个人似乎仍然比EKF更喜欢EKF？我是否错过了UKF的一大劣势？

这里是一些可能的考虑点。当然，UKF也有许多优势。

最明显的优势是计算能力。不要忘记，传统上，这些过滤器是在计算资源非常有限的嵌入式系统上实现的。另外，虽然我本人对UKF的经验并不多，但EKF的一大优势是它们相对易于实施。对于许多系统而言，雅可比行列式很容易通过分析得出，这使得EKF的实现极为简单。

潜在优势的另一个领域是易于调整。我不记得一个UKF中有多少个参数可以调整，但是EKF调整参数已经很容易理解了，因为基本的卡尔曼滤波器无处不在，因此任何考虑使用UKF的人都已经知道如何调整EKF。

最后，不要忽视动力。如果现有系统已经有运行正常的EKF，为什么要完成实施和测试UKF的所有工作？