CKF的改进思路，SVDCKF,LSTMCKF,BPCKF,SVMCKF,自适应抗差CKF
CKF的基于介绍
CKF算法全称为容积卡尔曼滤波（Cubature Kalman Filter），是一种非线性滤波算法，由加拿大学者Arasaratnam和Haykin在2009年首次提出。CKF算法基于三阶球面径向容积准则，并使用一组容积点来逼近具有附加高斯噪声的非线性系统的状态均值和协方差，旨在实现非线性系统状态估计。这种算法被认为是理论上最接近贝叶斯滤波的近似算法之一，为解决非线性系统状态估计问题提供了强有力的工具。CKF算法的核心在于将积分形式转换为球面径向积分形式和采用三阶球面径向准则，这两个步骤对于算法的实现至关重要。此外，CKF算法与无迹卡尔曼滤波（UKF）相似，但克服了UKF在高维系统处理上的问题，通过选取一组容积点来近似计算函数的均值与协方差，降低了非线性函数线性化的误差，具有数值精度高的特点。这种算法在解决高维系统滤波估计效果较差的问题上展现了其优势，被广泛应用于各种领域，包括但不限于目标跟踪、相位解缠等
CKF的改进思路:
1,改进协方差矩阵的分解方法，CKF用的是Cholesky，可以改为SVD奇异值分解，
2，改进滤波方法，CKF设置的是固定滤波因子，可以改多通道的滤波因子，也可以改为自适应的滤波因子&