Mengapa saya masih harus menggunakan EKF daripada UKF?

The Unscented Kalman Filter adalah varian dari Extended Kalman Filter yang menggunakan linierisasi yang berbeda bergantung pada mengubah seperangkat "Poin Sigma" daripada ekspansi seri Taylor orde pertama.

UKF tidak memerlukan komputasi Jacobian, dapat digunakan dengan transformasi terputus-putus, dan yang paling penting, lebih akurat daripada EKF untuk transformasi yang sangat nonlinier.

Satu-satunya kelemahan yang saya temukan adalah bahwa "EKF sering sedikit lebih cepat daripada UKF" (Probablistic Robotics). Ini tampaknya dapat diabaikan bagi saya dan kompleksitas asimptotiknya tampaknya sama.

Jadi mengapa semua orang masih lebih suka EKF daripada UKF? Apakah saya melewatkan kerugian besar dari UKF?

Berikut adalah beberapa poin pertimbangan yang mungkin. Tentu saja UKF memiliki banyak tandingan di mana ia memiliki keuntungan juga.

Keuntungan yang paling jelas adalah kekuatan komputasi. Jangan lupa bahwa secara tradisional, filter ini diterapkan pada sistem tertanam dengan sumber daya komputasi yang sangat terbatas. Juga, sementara saya sendiri tidak memiliki banyak pengalaman dengan UKF, satu keuntungan signifikan dari EKF adalah kemudahan implementasi mereka yang relatif. Untuk banyak sistem, Jacobian sangat mudah diturunkan secara analitis yang membuat implementasi EKF lebih mudah.

Bidang lain dari potensi keuntungan adalah kemudahan penyetelan. Saya tidak ingat berapa banyak parameter yang bisa diubah dalam UKF, tetapi parameter tuning EKF sudah dipahami dengan baik karena Filter Kalman dasar ada di mana-mana sehingga siapa pun yang berpikir tentang menggunakan UKF sudah tahu cara menyetel EKF.

Akhirnya, jangan abaikan momentum. Jika sistem yang ada sudah memiliki EKF yang berfungsi, mengapa harus melalui semua pekerjaan menerapkan dan menguji UKF?