在考虑线性高斯状态空间模型时，通常会提到最优推理是易于处理的，这在状态空间模型中是非常罕见的。在考虑非线性状态空间模型时，据说一般情况下后验分布是难以处理的，因此应该使用推理方法来逼近后验。

我想问的是，非线性状态空间模型有哪些例外？哪种非线性状态空间模型在分析上是易于处理的？有没有例子？

PS：例如，Doucet 说：

给定过滤分布，然后可以常规地进行过滤点估计，例如状态的后验模式或均值。这个问题被称为贝叶斯过滤问题或最优过滤问题。[...] 除了一些特殊情况，包括线性高斯状态空间模型（卡尔曼滤波器）和隐藏的有限状态空间马尔可夫链，分析评估这些分布是不可能的。

重新表达，我想问一下，哪个非线性状态空间模型是易处理的？