所谓的非线性滤波，指的事从非线性系统中提取有用的信号。非线性滤波是个困难而又复杂的课题，它不像线性滤波那样成熟、完整、易于理解。相比于非线性滤波，线性滤波发展得比较早，各种理论算法也比较成熟[2]。但进入21世纪以来，各种硬件技术与信息技术的日新月异，特别是计算机技术的发展，使得各种高维、高非线性、高复杂性和高实时性的系统被广泛的应用，例如目标跟踪雷达系统、广泛使用的手机内置与车载GPS、空中交通管制、人脸识别以等。但是如果系统的非线性过强，普通的线性滤波算法就不适用，且扩展卡尔曼滤波也会出现非常大的误差。经典的卡尔曼滤波是基于线性系统的一中滤波算法，因此并不适用于非线性系统，而扩展卡尔曼滤波也存在它自己的缺陷，有很大的局限性。

    因此，研究人员针对非线性系统，提出了许多新的、适用于非线性系统的滤波算法，例如无味卡尔曼滤波（UKF）、粒子滤波（PF）与容积卡尔曼滤波等。这些新算法的提出，为生产生活做出了很大的贡献，在很大程度上改善了系统的滤波性能。

    因此对这些算法的理解与研究分析，有利于我们对这些算法的改进工作。在不断对这些算法的实现与研究中，我们可以去发现这些算法的跟多的缺点，针对这些理论算法中所体现出来的缺点进行探索和研究，具有极其重要的理论意义。

1.2 非线性卡尔曼滤波算法的研究现状和趋势

1.3 选题的目的和意义

   非线性滤波在我们的生产生活中起到了很大的作用，它被应用在诸多的领域中[4]。如目标跟踪与导航、信息通信系统、图像识别及控制系统等等领域，是当前国际上一个非常活跃的研究热点。虽然研究者们不断提出了各种改进的非线性滤波算法，但是这些算法都存在着不同的问题，针对这些问题，如何提出一种能满足实际应用中不同问题的非线性滤波算法是该研究领域的难点和热点。因此对非线性滤波算法的研究与实现，可以让我们更加了解该领域所存在的问题，以此来提出更多新的非线性滤波算法。因此对非线性滤波算法的研究与实现具有极其巨大的理论和实际意义。

实时性差、计算复杂度高、适用范围小及滤波精度不足等问题是我们在实际应用中常常遇到的问题，这些问题会导致在实际应用非线性滤波的时候出现严重的误差，例如GPS定位系统的精度严重下降、目标跟踪系统的目标丢失及通信系统的信噪比不足等，如何解决这些问题，提高非线性系统滤波的性能是极其重要的。

1.4 论文内容安排

本文研究了扩展卡尔曼滤波和无味卡尔曼滤波算法，设计并实现了基于MATLAB GUI的非线性卡尔曼滤波仿真软件。

全文共分为四个章节，具体内容安排如下：

第一章介绍了论文研究背景，分析了非线性卡尔曼滤波的研究现状和趋势，介绍了论文选题的目的和意义。

第二章介绍了MATLAB软件的功能及优点，并对MATLAB GUI用户图形界面的组成及特点进行了介绍。

第三章分别研究了扩展卡尔曼滤波和无味卡尔曼滤波算法的原理及实现过程。

第四章设计了基于MATLAB GUI的非线性卡尔曼滤波仿真软件，并对扩展卡尔曼滤波和无味卡尔曼滤波的性能进行了对比分析。

最后是本文的总结。

第二章 MATLAB及GUI简介

2.1 MATLAB简介

    Matlab是“Matrix Laboratory”的缩写，是当今世界上很受欢迎的一款软件。主要用于数据可视化、算法开发、数值计算及数据分析的高级技术计算机语言和交互式环境。它是将科学数据可视化、矩阵计算、数值分析及非线性动态系统的建模和仿真等许多的强大的功能集结在一个易于使用的窗口环境中，为工程设计、科学研究以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大的程度上摆脱了传统非交互式程序语言设计的编辑模式，代表了当今国际科学计算机软件的先进水平。Matlab和Maple，Mathematica并称为三大数学软件。它在图像处理、矩阵运算等方面拥有很大的优势。