非线性状态估计是一个具有挑战性的问题。著名的卡尔曼滤波器只适用于线性系统。扩展卡尔曼滤波器(EKF)已成为非线性状态估计的一种标准公式。然而，对于高度非线性的系统，由于不确定性通过非线性系统传播，可能会造成很大的误差。

无迹卡尔曼滤波器(UKF)是这一领域的新发展。其思想是根据当前状态估计的协方差产生几个抽样点(Sigma点)。然后，将这些点通过非线性映射进行传播，得到更准确的映射结果的均值和协方差估计。通过这种方式，它避免了计算雅可比矩阵的需要，因此只产生与EKF相似的计算负荷。

出于教程的目的，该代码实现了UKF公式的简化版本，其中我们假设过程和测量噪声都是可加的，以避免状态的增加，也简化了对非线性映射的假设。

代码中有大量注释，其中有一个使用该函数的示例。因此，适合初学者学习UKF。为了进行比较，可以从//www.tianjin-qmedu.com/matlabcentral/fileexchange/loadFile.do?objectId=18189&objectType=FILE