什么是 乘法扩展卡尔曼滤波（Multiplicative Extended Kalman Filter）？
乘法扩展卡尔曼滤波（Multiplicative Extended Kalman Filter）是一种姿态估计 EKF：用单位四元数表示方向，并估计与该四元数乘法复合的最小局部旋转误差。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
用不同表示承载全局姿态与局部不确定性
Markley 对乘法与加法滤波的比较解释了核心表示问题：旋转没有全局无奇异的三参数坐标，而四参数四元数又具有冗余。MEKF 用四元数保存参考姿态，用三维向量表示局部偏差。
真实姿态可写成 q_true = delta_q times q_hat，也可写成 q_true = q_hat times delta_q。两者都可以成立，却定义了不同误差坐标系；传播矩阵、量测 Jacobian、校正顺序与重置变换必须全部服从所选乘法方向。
依次执行传播、校正、注入、归一化与重置
陀螺量测传播参考四元数，通常还会传播陀螺偏置估计；辅助方向向量或姿态观测则在兼容坐标系中产生 Innovation。Kalman 更新估计小旋转向量，实现把它经指数映射变为误差四元数，与参考姿态复合，归一化有限精度漂移，再重置局部误差。
四元数符号连续性同样重要：q 与 -q 表示同一旋转，却会形成不同的坐标残差。构造残差前通常要选择最短的等价四元数分支。归一化只能修正模长漂移，不能挽救错误的约定或重置 Jacobian。
把在轨证据限制在具体模型与传感器条件内
UVSQ-SAT 在轨研究展示了使用陀螺、磁场、太阳和地球传感器信息的一个 MEKF 部署。其精度只适用于该航天器、传感器可用性、标定和日食条件，不能转写为 MEKF 的普遍保证。
应测试四元数模长与符号处理、左右乘约定一致性、静止偏置、恒定转速、方向量测几何、大初始误差、日食或数据中断、Innovation 一致性、NEES 和重置协方差。与加法 EKF 比较时，必须使用相同传感器、动力学、初始化和输出约定。
主要特点
- 以归一化单位四元数保存全局姿态
- 以三个无约束局部坐标表示姿态不确定性
- 通过四元数乘法注入姿态校正
- 必须明确采用左误差还是右误差约定
- 可在姿态误差之外联合估计陀螺偏置
- 仍是具有有限收敛域的一阶局部近似
常见用途
- 利用陀螺与星敏感器进行航天器姿态确定
- 融合惯性、磁场和导航传感器的无人机姿态估计
- 避开欧拉角奇异性的机器人方向估计
- 递归姿态估计中的陀螺偏置标定
- 需要协方差输出的嵌入式方向跟踪
示例
Loading code...常见问题
MEKF 为什么使用乘法四元数校正？
四元数乘法把局部三维旋转与全局单位四元数估计进行复合，既保持旋转几何，也避免把四个受约束的四元数分量当成普通无约束向量。
MEKF 与加法四元数 EKF 有什么区别？
加法滤波直接更新四元数分量，必须处理单位约束和奇异协方差结构；MEKF 估计最小局部姿态误差，把对应四元数乘入参考姿态，然后重置该局部误差。
MEKF 与所有误差状态卡尔曼滤波都相同吗？
不同。MEKF 是专门面向姿态的误差状态构造，通常采用四元数参考和三维旋转误差。更广义的 ESKF 还可包含位置、速度、标定和偏置误差，并采用加法或流形复合。
归一化四元数就能保证 MEKF 正确吗？
不能。归一化只控制数值模长漂移；正确性还依赖乘法方向、主动或被动旋转含义、分量顺序、传感器坐标系、Jacobian、偏置模型、残差分支、协方差注入和重置的一致性。
MEKF 为什么可能在大初始姿态误差下失败？
局部旋转误差与量测模型都围绕当前参考姿态线性化。较大或存在歧义的初始偏差可能破坏该近似，或选择错误四元数分支。应使用稳健初始化、门控和明确的收敛测试。