卡尔曼滤波器是一个最优化自回归数据处理算法。对于解决很多问题，他是最优，效率最高甚至是最有用的。

他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。44462

正文

1、《卡尔曼滤波器参数分析与应用方法研究》：本文介绍了卡尔曼滤波器及其各种衍生方法，讨论了算法中各种参数的取值对于卡尔曼滤波的影响，总结了在不同应用场景下使用卡尔曼滤波器的宗旨和要点，可帮助研究者和工程人员全面了解和使用卡尔曼滤波器，对于如何应用卡尔曼滤波器解决不同领域中的现实问题具有一定的指导意义。

2、《卡尔曼滤波器在状态和参数估计中的应用》：虽然非线性系统的状态估计以及对线性系统状态和参数的同时估计问题一直受到重视， 并已提出许多处理方法，但广泛应用的仍然是扩展卡尔曼滤波器( EKF- ExtendedKalmanFilter) 。 EKF具有算法简单的优点。当模型参数与过程参数精确匹配或基本匹配时，只要初始点选择适当，滤波过程可渐近收敛并得到状态的近似无偏估计值。然而， 当模型参数不匹配或存在较大偏差时，EKF的估计精度会大大下降甚至发散。由于工业过程建模精度不可能要求很高，所以，对通常的EKF进行改进，使其对过程参数变动具有一定的鲁棒性，便成为一个迫切需要解决的问题。本论文网文将上述思想应用于EKF的改进，提出应用有限差分代替非线性函数的偏导数计算。其精度高于泰勒级数的一阶展开，而且，充分利用了由模型线性化产生的有效误差信息。对模型参数变动具有较强的鲁棒性，其性能比强跟踪滤波器要好，并适用于各种非线性函数，甚至当非线性函数不连续时，也能进行状态估计。非线性系统状态和参数的联合估计实例表明，文中的滤波器性能较好。

3、《基于卡尔曼滤波器的雷达跟踪》：卡尔曼滤波是一种统计估算方法，通过处理一系列带有误差的实际测量数据而得到所需要的物理参数的最佳估算值。对于每一个估计量，就均方误差最小而言，卡尔曼滤波器是最佳的。本文介绍了卡尔曼滤波器在雷达跟踪问题上的应用，说明卡尔曼滤波器在建模和计算机仿真上有着重要的现实意义。

4、《卡尔曼滤波与维纳滤波:现代时间序列分析方法》：本书系统地阐述有邓自立教授提出的最优滤波新的方法论——现代时间序列分析方法及其在卡尔曼滤波和维纳滤波中的应用。书中分别介绍了基于卡尔曼滤波的统一的白噪声估计理论和基于新息模型的统一的白噪声估计理论及它们在状态和信号估计与反卷积中的应用。书中提出了卡尔曼滤波和维纳滤波的一系列新方法和新算法，内容新颖，理论严谨，深入浅出，并含有大量算例和仿真例子。本书可作为理工科院校控制理论与控制工程、信号处理、检测与估计等专业的研究生及本科高年级学生选修课教材，也适合在信号处理、控制、通信、制导。雷达跟踪、油田地震勘探、卫星测控、图像处理、故障诊断、机器人、经济、生物医学等领域的科技人员参考。

5、《基于卡尔曼滤波器的运动目标跟踪算法》：为了有效解决运动目标遮挡时目标信息容易丢失从而导致跟踪失败的问题，提出一种基于卡尔曼滤波器的运动目标跟踪算法。该算法首先利用高斯混合模型的背景差分法，结合空间邻域的相关性信息得到运动目标图像，然后通过建立帧间关系矩阵将跟踪情况分为5种状态分别进行处理，这5种状态是新目标出现、目标匹配、目标遮挡、目标分离和目标消失。采用卡尔曼滤波器预测目标参数，建立目标在下一帧中的预测信息。当运动目标相互遮挡时，在卡尔曼滤波器预测区域内采用交叉搜索法实现多个运动目标的精确匹配。通过多个视频序列测试，该算法能够获得良好的跟踪结果。 卡尔曼滤波器文献综述和参考文献:http://www.youerw.com/wenxian/lunwen_45712.html