无迹卡尔曼滤波协方差P、S出现非零非对角元如何保持全零

问题原因 #

• 非线性状态传播耦合：无迹卡尔曼滤波通过无迹变换采样的sigma点经过非线性状态转移函数传播后，不同状态维度的分布会产生关联，计算协方差时自然生成非零非对角元，和初始P、Q的非对角元是否为0无关。
• 测量更新耦合：即便状态传播后的协方差为对角阵，测量更新阶段如果测量函数涉及多状态维度耦合，或测量噪声R存在非零非对角元，也会给P引入非零非对角元。

强制协方差保持对角阵的方法 #

注意：强行保持协方差为对角阵等价于假设所有状态维度完全独立无关联，本质是将多维UKF退化为多个独立的1维卡尔曼滤波，仅适用于你确定状态间不存在耦合的场景，否则会导致滤波精度下降。

• 方法1：调用滤波接口后手动清零非对角元
  每次执行predict()和update()方法后，直接提取协方差的对角元素重构对角阵即可，无需修改源码，改动最小：

  import numpy as np
  # 重置P为对角阵
  ukf.P = np.diag(np.diag(ukf.P))
  # 重置S为对角阵
  ukf.S = np.diag(np.diag(ukf.S))
  

• 方法2：拆分多维度UKF为多个单维度UKF实例
  每个状态维度单独初始化1维UKF，各自独立执行预测和更新逻辑，从逻辑上完全切断状态间的关联，所有协方差自然为1维标量，不存在非对角元，逻辑更严谨。
• 方法3：修改filterpy UKF源码的协方差计算逻辑
  找到filterpy库中UKF实现的协方差计算部分，每次计算完P和S后直接保留对角元素、其余置0，适合需要批量处理大量滤波实例的场景，无需每次调用后手动处理。

内容的提问来源于stack exchange，提问作者Hadoop User