王可东编著的《Kalman滤波基础及MATLAB仿真(普通高校十三五规划教材)》以随机过程为基础，从最优估计基本概念人手，系统讲解了Kalman滤波理论、应用方法和性能分析等，并通过MATLAB编程示范，促进对滤波算法的掌握和应用。
全书共9章，内容包括：最优估计和Kalman滤波的历史与发展趋势、向量矩阵运算基础、随机过程基础、线性系统基础、典型最优估计算法、Kalman滤波算法、Kalman滤波应用方法、Kalman滤波性能分析、非线性滤波基础、Kalman滤波算法在卫星/惯性组合导航中的应用。书中各章配备有相应的练习题，主要算法和例题均提供了MATLAB参考程序。
本书可作为高等院校控制类、仪器类和应用数学类专业最优估计和信息融合方法的教学用书，也可供其他相关专业的师生和科技人员参考。

王可东，男，1975年生，安徽庐江人，博士、副教授。1996年7月和1999年3月于东北大学机械专业分别获得学士和硕士学位，2003年1月于清华大学精密仪器及机械专业获得工学博士学位。2003年4月-2005年3月于北京大学地理学专业从事博士后研究工作，2005年3月至今于北京航空航天大学宇航学院从事教学和科研工作。2008年9月-2009年8月于澳大利亚新南威尔士大学进行访问研究。一直从事组合导航和滤波算法等研究，发表学术论文50多篇，其中12篇被SCI检索、20多篇被EI检索；获国家发明专利4项；获国防技术发明奖三等奖、国防科技进步奖三等奖和北京市科学技术奖三等奖各1项。主讲“传感器技术与测试系统”和“卡尔曼滤波基础”等课程。

第1章 绪论
1.1 最优估计
1.1.1 估计的定义
1.1.2 最优估计的定义.
1.1.3 最优估计的一般架构
1.2 Kalman滤波的发展历史
1.2.1 最小二乘算法
1.2.2 Wiener滤波算法
1.2.3 Kalman滤波算法
1.2.4 非线性滤波算法
1.3 本教材所包括的内容
1.4 MATLAB软件简介
1.4.1 软件界面简介
1.4.2 常用的操作命令
1.4.3 m文件
1.4.4 绘图
习题
第2章 数学基础
2.1 向量
2.1.1 表示法
2.1.2 基本运算方法
2.2 矩阵
2.2.1 表示法
2.2.2 基本运算方法
2.3 向量一矩阵运算
2.3.1 二次型
2.3.2 定
2.3.3 范数
2.3.4 梯度运算
2.4 最小二乘算法
2.5 概率
2.6 随机变量
2.6.1 概率分布函数
2.6.2 概率分布密度函数
2.6.3 联合概率分布函数
2.6.4 联合概率分布密度函数
2.6.5 随机变量的变换
2.6.6 独立随机变量和的分布
2.6.7 统计特性
2.6.8 常用的分布
2.6.9 随机向量的正交投影
2.7 随机过程
2.7.1 定义
2.7.2 随机过程的统计特性
2.7.3 平稳性
2.7.4 各态历经性
2.7.5 功率谱密度函数
2.7.6 白噪声
2.7.7 Gauss过程
2.7.8 Markov过程
2.7.9 随机游走
2.7.10 伪随机信号
习题
第3章 线性系统
3.1 系统分类
3.2 控制系统的数学模型
3.2.1 连续系统
3.2.2 离散系统
3.2.3 连续系统状态空间方程的建立方法
3.2.4 连续状态空间方程的解
3.2.5 离散状态空间方程的建立方法
3.2.6 连续状态方程的离散化方法
3.3 可观性和可控性
3.3.1 可观性
3.3.2 可控性
3.4 误差分析
3.4.1 协方差
3.4.2 误差传播
3.5 常见的随机误差模型
3.5.1 状态增广
3.5.2 随机常数
3.5.3 随机游走
3.5.4 随机斜坡
3.5.5 指数型自相关函数的随机过程
习题
第4章 最优估计算法
4.1 最小二乘估计算法
4.1.1 LS估计算法
4.1.2 WLS估计算法
4.1.3 RLS估计算法
4.2 最小方差估计
4.2.1 最小方差估计算法
4.2.2 估计偏差特性
4.2.3 Gauss分布时的最小方差估计
4.3 线性最小方差估计
4.3.1 估计算法
4.3.2 线性特性
4.3.3 正交投影定理
4.4 极大验后估计
4.5 极大似然估计
4.6 wiener滤波
习题
第5章 Kalman滤波算法
5.1 递推滤波器
5.2 离散Kalman滤波算法
5.2.1 系统建模
5.2.2 算法推导
5.2.3 算法总结
5.2.4 正交投影法推导
5.3 离散Kalman滤波使用方法
5.3.1 初值的确定
5.3.2 Pk(+)计算公式
5.3.3 离散化
5.3.4 系统模型中有确定性项
5.3.5 状态噪声与量测噪声相关
5.4 连续Kalman滤波算法
5.4.1 系统模型
5.4.2 算法推导
5.4.3 Riccati方程求解
习题
第6章 Kalman滤波应用技术
6.1 有色噪声
6.1.1 白噪声和有色噪声
6.1.2 有色噪声的白化处理方法
6.2 有色噪声时的Kalman滤波算法
6.2.1 系统噪声为有色噪声
6.2.2 量测噪声为有色噪声
6.3 序贯处理
6.3.1 量测噪声方差阵为分块对角阵
6.3.2 量测噪声方差阵为非分块对角阵
6.4 信息滤波
6.5 滤波发散的抑制
6.5.1 现象及原因
6.5.2 衰减记忆法
6.5.3 限定记忆法
6.6 平方根滤波
6.6.1 Potter算法
6.6.2 Carlson算法
6.7 UD分解算法
6.8 自适应滤波算法
6.8.1 输出相关法
6.8.2 新息估计法
6.8.3 sage—Husa算法
6.9 次优滤波
6.9.1 状态删减
6.9.2 常增益
6.9.3 状态解耦
习题
第7章 KaIman滤波性能分析
7.1 协方差分析
7.1.1 次优滤波性能分析
7.1.2 误差预算分析
7.1.3 灵敏度分析
7.1.4 MonteCarlo仿真
7.2 稳定性分析
7.2.1 稳定性的定义
7.2.2 充分条件
7.3 可观测度分析
习题
第8章 非线.眭滤波基础
8.1 EKF算法
8.2 UKF算法
8.2.1 Unscented变换
8.2.2 SUT变换
8.2.3 滤波算法
8.3 PF算法
8.3.1 递推Bayes估计
8.3.2 MonteCarlo模拟
8.3.3 重要性采样
8.3.4 序贯重要性采样
8.3.5 重采样
8.4 改进的PF算法
8.4.1 通用算法
8.4.2 优化重采样算法
8.4.3 改进的粒子滤波算法
习题
第9章 GPS/INS组合导航
9.1 INS导航解算
9.1.1 陀螺仪简介
9.1.2 加速度计简介
9.1.3 常用坐标系
9.1.4 导航解算
9.2 GPS定位测速原理
9.2.1 定位原理
9.2.2 测速原理
9.2.3 精度因子
9.3 GPS/INS组合导航方法
9.3.1 组合模式
9.3.2 系统建模
9.3.3 量测建模
9.3.4 滤波算法
习题
参考文