扩展卡尔曼滤波（边缘AI推理）
Extended Kalman Filter — Edge AI Inference
对非线性模型在当前估计点做一阶线性化后应用卡尔曼滤波。
01
定义
对非线性模型在当前估计点做一阶线性化后应用卡尔曼滤波。
02
公式与计算
Fₖ = ∂f/∂x |x̂ₖ₋₁；Hₖ = ∂h/∂x |x̂ₖ⁻
其余同标准 KF，用 Fₖ、Hₖ 代替
03
适用时机
姿态估计（AHRS）、GNSS/IMU 组合导航、非线性水文模型同化。 部署到边缘 AI 推理盒（NPU/GPU 加速）时，需做模型量化（INT8）与算子裁剪，阈值与窗长按现场数据标定后固化。
04
关键参数
非线性函数 f、h、雅可比矩阵、Q、R；边缘 AI 版本注意量化误差、推理时延与模型版本管理，异常需支持远程回滚。
05
注意事项
失效与边界强非线性下 EKF 会发散，应改用 UKF 或粒子滤波。 边缘 AI 实现需在目标算力上做推理时延与精度权衡测试，并保留原始数据上传通道供云端复核。
CLOSE
把 扩展卡尔曼滤波（边缘AI推理） 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。