卡尔曼滤波与粒子滤波对比(以 IMU+GNSS 紧耦合为例)
哪些公司问过
答案要点
- 卡尔曼:线性高斯下最优,均值加协方差描述,计算量小;EKF 线性化、UKF 用 sigma 点,均为单峰
- 粒子滤波:带权粒子近似任意分布,适合非线性、非高斯、多峰;计算量随维度剧增,需重采样防退化
- 紧耦合:直接用伪距、多普勒等原始观测,卫星少于四颗仍可更新
- 状态含位置、速度、姿态、IMU 零偏、钟差钟漂,IMU 高频预测、GNSS 低频更新
- 高维近高斯问题常用 EKF 或误差状态卡尔曼;粒子滤波适合低维多峰如地图重定位
易错点
- 说粒子滤波一定比卡尔曼滤波精度高,忽略维度和计算代价
- 把紧耦合说成融合 GNSS 解算位置,那是松耦合
- 忽略 IMU 零偏和接收机钟差等状态
面试官常见追问
- 时间同步中的硬同步和软同步是如何实现的?
- 为什么常用误差状态卡尔曼?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。