常浩南本来的想法是用这种算法与徐洋提出的噪声方差寻优结合，应该会是信息提取领域中一个相当重要的突破。
但随着对算法了解的深入，他发现UKF算法在理论上的数学推导过程并不严密，并且经过几次计算模拟之后证明在高维状态下的数值仍然不够稳定。
而在刚刚对卡尔曼滤波法进行学习和研究的过程中，某个瞬间的灵光一闪让他有了个更加精妙的思路：
“惠书敬悉，利用改进的差分进化算法使过程噪声矩阵的方差阵自动进行调整的思路相当新颖，经过数值模拟计算后也证明其具有较好的估计精度，但EKF滤波算法本身仍然存在部分问题……”
“由于EKF需要求取雅克比矩阵，所以对于非线性函数的具体形式必须确切知道，而无法做到黑盒封装。”
“由于在许多实际问题中状态方程以及观测方程的非线性函数的导数无法求取，所以很难求取雅克比矩阵。”
“……”
“可以根据贝叶斯理论和Spherical-RadialCubature规则，将笛卡尔坐标系下的积分转化为球面-径向积分，利用一组确定性采样点，通过非线性方程的传播来进行状态估计，其具体步骤如下：”
“第一步：确定滤波初值：X0=E（X），P0=E[(X0-X0)(X0-X0)^T]……”
“第二步，计算k-1时刻的容积点，P（k-1|k-1）=S（k-1）S(k-1)^T，其中S（k-1）通过P（k-1|k-1）的乔列斯基分解得到，对于容积卡尔曼滤波算法，点集ξ及相应的权值为……”
内容未完，下一页继续阅读