2010年提出的自适应平方根无迹卡尔曼滤波算法

将高斯过程回归融入平方根无迹卡尔曼滤波(SRUKF)算法，本文提出了一种不确定系统模型协方差自适应调节滤波算法．该算法分为学习和估计两部分：学习阶段用高斯过程对训练数据进行学习，得到系统回归模型及噪声协方差；估计阶段由回归模型代替状态方程和观测方程，相应的噪声协方差实时自适应调整．该方法克服了传统方法容易受系统动态模型不确定性和噪声协方差不准确限制的问题，仿真结果验证了算法的有效性．