最近，我遇到了对Monte Carlo Kalman Filter (MCKF) 的引用，它是Sigma-Point Kalman Filter (SPKF) 的一个变体。MCKF 与 SPKF 的其余部分之间的主要区别在于 sigma 点是随机选择的，而不是像 Unscented Kalman Filter 和该系列的各种其他成员那样确定性地选择。

也就是说，对于 SPKF，传播的 sigma 点通过以下方式选择：

$\mathbf{x}^{(i)}_k = \hat{\mathbf{x}}_k + w_k \mathbf{S}^{(i)}_k$

在哪里$\mathbf{S}^{(i)}_k$是个$i$-状态协方差cholesky因子的第列，$w_k$是一个权重（取决于特定的 SPKF 算法）和$\hat{\mathbf{x}}_k$是平均值。

另一方面，MCKF 的 sigma 点来自：

$\mathbf{x}^{(i)}_k \sim N\left(\hat{\mathbf{x}}_k; \mathbf{P}_k\right)$

sigma 点的数量是用户可选择的。

由于 MCKF 共享高斯假设，算法的其余部分实际上是相同的（参见Wikipedia）。所以，它是 SPKF 和粒子过滤器之间的中转站。

所以，我的问题是：

• 有没有人在实践中（或学术界）看到过 MCKF 变体？
• 是否有很多关于跟踪其理论特性或应用性能的论文？ 谷歌学术出人意料地没有帮助。
• 什么时候会在 UKF/DDF/... 上使用 MCKF？
• （最感兴趣的）一个人预计需要多少样本才能与标准 UKF（具有$2N_x$西格玛点）？这如何随着增加而扩展$N_x$?