本书紧密结合Kalman滤波理论在导航、制导与控制领域的应用，系统介绍了Kalman滤波基础理论及其最新发展。主要内容包括Kalman滤波理论基础、随机线性系统Kalman滤波基本方程、Kalman滤波的稳定性及误差分析、实用Kalman滤波技术、鲁棒自适应滤波技术、联邦Kalman滤波、基于小波变换的多尺度Kalman滤波、扩展Kalman滤波、无迹Kalman滤波及粒子滤波等。本书注重理论与工程实际相结合，在介绍理论基础上，还融入了作者及其他研究者的实际应用成果，理论与实践并重。
本书可作为控制科学与工程学科领域的研究生教材，也可作为相关专业研究人员的参考书。

第1章 绪论
1.1 Kalman滤波理论基础
1.1.1 滤波与估计
1.1.2 线性最小方差估计
1.1.3 正交投影定理
1.1.4 白噪声与有色噪声
1.2 Kalman滤波理论的发展及其应用
思考题
第2章 随机线性系统Kalman滤波基本方程
2.1 随机线性系统的数学模型
2.1.1 随机线性离散系统的数学模型
2.1.2 随机线性连续系统的数学模型
2.1.3 随机线性连续系统的离散化
2.2 随机线性离散系统Kalman滤波方程
2.2.1 随机线性离散系统Kalman滤波基本方程
2.2.2 随机线性离散系统Kalman滤波方程的直观推导
2.2.3 随机线性离散系统Kalman滤波方程的投影法推导
2.3 随机线性连续系统Kalman滤波基本方程
2.4 随机线性离散系统的最优预测与平滑
2.4.1 随机线性离散系统的最优预测
2.4.2 随机线性离散系统的最优平滑
2.4.3 最优平滑方法在惯导系统中的应用
2.5 Kalman滤波在车载惯导系统中的应用实例
2.5.1 里程计误差建模
2.5.2 紧耦合辅助模式下系统建模
2.5.3 跑车实验验证及结果分析
思考题
第3章 Kalman滤波的稳定性及误差分析
3.1 稳定性的概念
3.2 随机线性系统的可控性与可观测性
3.2.1 随机线性系统的可控性
3.2.2 随机线性系统的可观测性
3.3 Kalman滤波稳定性的判别
3.3.1 随机线性系统的滤波稳定性判别
3.3.2 特定条件系统的滤波稳定性判别
3.4 Kalman滤波发散及误差分析
3.4.1 Kalman滤波中的发散现象
3.4.2 Kalman滤波的误差分析
3.5 惯导系统可观测性与可观测度分析方法
3.5.1 捷联惯导系统误差模型
3.5.2 可观测性分析方法
3.5.3 可观测度分析方法
思考题
第4章 实用Kalman滤波技术
4.1 噪声非标准假设条件下的Kalman滤波
4.1.1 存在确定性控制时的Kalman滤波
4.1.2 白噪声相关条件下的Kalman滤波
4.1.3 有色噪声条件下的Kalman滤波
4.1.4 厚尾噪声条件下的Kalman滤波
4.2 分解滤波
4.2.1 非负定阵的三角形分解
4.2.2 观测值为标量时误差方差平方根滤波
4.2.3 序列平方根滤波
4.2.4 UD分解滤波
4.2.5 分解滤波在近地卫星GNSS自主定轨中的应用
4.3 信息滤波
4.3.1 信息平方根滤波
4.3.2 厚尾噪声条件下的信息滤波
思考题
第5章 鲁棒自适应滤波技术
5.1 系统的不确定性
5.2 鲁棒控制技术基础
5.2.1 基础知识
5.2.2 H∞控制的标准设计问题
5.2.3 Hamilton矩阵与H∞标准设计问题的求解
5.3 H∞滤波
5.3.1 H∞滤波问题的表达
5.3.2 次优H∞滤波问题的解
5.3.3 H∞滤波器的参数化
5.3.4 GPS/INS组合导航系统H∞滤波
5.4 强跟踪滤波
5.4.1 强跟踪滤波器的引入
5.4.2 基于强跟踪滤波的多传感器状态融合估计
5.4.3 里程计辅助惯导系统动基座对准应用实例
5.5 自适应滤波
5.5.1 相关法自适应滤波
5.5.2 Sage-Husa自适应Kalman滤波
5.5.3 激光陀螺随机漂移自适应Kalman滤波
思考题
第6章 联邦Kalman滤波
6.1 各子滤波器估计不相关条件下的联邦Kalman滤波算法
6.2 各子滤波器估计相关条件下的联邦Kalman滤波算法
6.2.1 信息分配原则与全局最优估计
6.2.2 联邦滤波算法的时间更新
6.2.3 联邦滤波算法的观测更新
6.2.4 联邦滤波器的结构
6.3 基于联邦Kalman滤波的惯导系统姿态组合算法
6.3.1 基于姿态-位置-速度组合方式的联邦滤波器实现结构
6.3.2 姿态组合观测方程
6.3.3 仿真实验与结果分析
6.4 基于联邦Kalman滤波的自主无人系统多源融合导航算法
6.4.1 自主无人系统多源融合导航联邦Kalman滤波器结构
6.4.2 自适应信息分配算法
6.4.3 自适应联邦Kalman滤波算法跑车实验验证
思考题
第7章 基于小波变换的多尺度Kalman滤波
7.1 小波变换基础
7.1.1 小波变换概述
7.1.2 多尺度分析
7.1.3 Mallat算法
7.2 多尺度系统理论
7.3 动态系统的多尺度Kalman滤波
7.4 多尺度Kalman滤波在导航系统中的应用
7.4.1 系统描述
7.4.2 多尺度模型的建立
7.4.3 状态的多尺度估计
7.4.4 组合导航系统的多尺度Kalman滤波仿真实验
思考题
第8章 扩展Kalman滤波
8.1 普通扩展Kalman滤波
8.1.1 随机非线性离散系统标称状态线性化滤波
8.1.2 随机非线性离散系统扩展Kalman滤波
8.1.3 扩展Kalman滤波在车辆GPS/DR组合定位系统中的应用
8.2 多模型扩展Kalman滤波
8.2.1 问题描述
8.2.2 概率模型集设计
8.2.3 多模型扩展Kalman滤波
8.2.4 观测信息随机不可靠下的鲁棒多模型扩展Kalman滤波
8.2.5 实验与结果分析
思