Почему я все еще должен использовать EKF вместо UKF?

Unscented Kalman Filter - это вариант Extended Kalman Filter, который использует другую линеаризацию, основанную на преобразовании набора «точек сигмы» вместо расширения первого ряда Тейлора.

UKF не требует вычисления якобианов, может использоваться с прерывистым преобразованием и, что наиболее важно, является более точным, чем EKF для сильно нелинейных преобразований.

Единственный недостаток, который я обнаружил, заключается в том, что «EKF часто немного быстрее, чем UKF» (вероятностная робототехника). Это кажется мне незначительным, и их асимптотическая сложность кажется одинаковой.

Так почему же все еще предпочитают EKF, а не UKF? Я пропустил большой недостаток UKF?

Вот несколько возможных вопросов для рассмотрения. Конечно, у UKF есть много контрапунктов, где у него тоже есть преимущество.

Наиболее очевидным преимуществом является вычислительная мощность. Не забывайте, что традиционно эти фильтры реализуются во встроенных системах с очень ограниченными вычислительными ресурсами. Кроме того, хотя у меня нет большого опыта работы с UKF, одно существенное преимущество EKF заключается в их относительной простоте реализации. Для многих систем якобиан очень легко выводится аналитически, что делает реализацию EKF в основном простой.

Другая область потенциального преимущества - простота настройки. Я не помню, сколько параметров настраивается в UKF, но параметры настройки EKF уже хорошо поняты, потому что базовый фильтр Калмана повсеместен, поэтому любой, кто задумывается об использовании UKF, уже знает, как настроить EKF.

Наконец, не игнорируйте импульс. Если в существующей системе уже есть работающий EKF, зачем проходить всю работу по внедрению и тестированию UKF?