金学波、苏婷立、苗贝贝、窦超著的《Kalman滤波器--应用研究》以Kalman滤波器为基本方法，介绍了Kalman滤波器在时间序列分析、机器人惯导、室内目标跟踪、金融时序建模、信号在线去噪及参数辨识等方面的应用，同时部分章节配套了MATLAB源程序。
本书介绍了Kalman经典应用领域的典型案例，如机器人惯导及室内跟踪。同时，扩展了Kalman滤波器在其他领域的应用，例如，针对大型数据中心的容量检测数据以及金融领域的股票数据，研究了时间序列的预处理、压缩及预测等问题；还给出了利用Kalman滤波器的信号在线去噪及参数辨识方法。
本书可作为自动化、电子信息、计算机应用、控制科学与工程、信号处理、导航与制导等相关专业高年级本科生和研究生的参考书，也可供相关领域的工程技术人员和研究人员阅读。

前言
第1章 基础知识
1.1 Kalman滤波器的动力学模型
1.1.1 连续模型离散化
1.1.2 机动目标的经典动力学模型
1.2 Kalman滤波器
1.3 自适应参数机动目标模型估计方法
1.4 小结
第一部分 基于Kalman滤波器的时间序列分析
第2章 Kalman滤波器在时间序列动力学中的应用
2.1 相关知识介绍
2.2 时间序列数据的动力学建模
2.2.1 主趋势提取模型
2.2.2 主趋势变换模型
2.3 实验研究
2.4 小结
第3章 Kalman滤波器在时间序列压缩中的应用
3.1 时间序列压缩的应用背景
3.2 时间序列压缩的研究现状
3.3 时间序列压缩的解决方案
3.3.1 规则采样压缩法
3.3.2 随机不规则采样压缩法
3.3.3 弹簧驱动的采样压缩法
3.4 时间序列压缩的实验结果
3.4.1 数据
3.4.2 评价指标
3.4.3 实验结果
3.5 小结
参考文献
第4章 Kalman滤波器在时间序列预处理中的应用
4.1 时间序列提取基本趋势的应用背景
4.2 时间序列提取基本趋势的研究现状
4.3 时间序列提取基本趋势的解决方案
4.3.1 不规则采样和Kalman估计
4.3.2 三次样条插值重构
4.3.3 Max/Min/Mean均值替代
4.4 实验结果
4.4.1 评价指标
4.4.2 实验结果
4.5 小结
参考文献
第二部分 基于惯性导航原理的机器人移动轨迹重建
第5章 捷联式惯性导航系统的基本理论
5.1 捷联式惯性导航系统概述
5.1.1 捷联式惯性导航系统原理
5.1.2 捷联算法
5.2 惯性导航坐标系及其转换关系
5.2.1 常见惯性导航坐标系
5.2.2 坐标系间的相互转换
5.3 捷联式惯性导航系统姿态解算算法
5.3.1 姿态矩阵的微分方程描述
5.3.2 姿态矩阵的实时计算与更新
5.4 基于四元数的捷联式惯性导航姿态解算
5.4.1 四元数与捷联式惯导姿态矩阵
5.4.2 导航参数的计算
5.4.3 初始条件的给定与初始数据的计算
5.5 小结
参考文献
第6章 捷联式惯性导航系统的数字仿真
6.1 捷联式惯性导航数字仿真设计原理
6.2 飞行轨迹发生器的设计
6.2.1 仿真用坐标系
6.2.2 飞机的机动飞行过程
6.2.3 飞行轨迹参数的求取
6.3 惯导系统仿真器的设计
6.3.1 陀螺仪仿真器
6.3.2 加速度计仿真器
6.3.3 S1NS导航解算仿真器
6.3.4 误差处理器
6.4 数字仿真系统的MATLAB建模及实现
6.4.1 数据的模拟生成
6.4.2 Kalman滤波器在含噪捷联式惯导系统解算中的应用
6.5 小结
参考文献
第7章 基于多传感器的路径重建系统的实现
7.1 机器人平台介绍
7.2 数据采集与预处理
7.3 路径重建系统实现算法流程
7.3.1 使用四阶龙格库塔法更新四元数
7.3.2 基于多源信息融合方法重构轨迹
7.4 实验结果
7.5 小结
参考文献
第三部分 基于多传感器信息融合的室内目标跟踪技术
第8章 室内跟踪技术简介
8.1 室内跟踪定位技术介绍
8.2 室内跟踪技术的研究现状
8.2.1 RF1D室内跟踪系统
8.2.2 惯性导航系统
8.2.3 多传感器信息融合
8.3 小结
参考文献
第9章 基于IMU的仿真系统与轨迹重建方法
9.1 基于IMU的运动轨迹测量数据仿真
9.1.1 加速度计仿真器的实现
9.1.2 陀螺仪仿真器的实现
9.1.3 惯性传感器数据的仿真结果
9.2 基于IMU的运动轨迹重构方法及仿真结果
9.2.1 基于惯性传感器测量数据的航位推算
9.2.2 仿真实验结果及误差分析
9.3 小结
参考文献
第10章 基于RFID的运动轨迹重构方法
10.1 基于RFID的运动轨迹测量数据仿真
10.1.1 RFID系统的测量模型
10.1.2 RFID阅读器数据的产生
10.2 基于RFID测量数据的运动轨迹重构方法
10.2.1 轨迹重构方法流程图
10.2.2 基于可变数量RFID阅读器的UKF跟踪方法
10.3 实验结果
10.4 小结
参考文献
第11章 基于RFID和IMU融合的室内跟踪方法
11.1 多传感器室内跟踪方法的算法流程
11.2 基于多传感器融合跟踪方法的仿真研究
11.3 基于多传感器融合跟踪方法的实验研究
11.3.1 数据采集与预处理
11.3.2 实验结果
11.4 小结
参考文献
第四部分 基于动态特征的金融数据时序关系建模
第12章 金融时序数据分析基础
12.1 量化投资的相关知识介绍
12.2 国内外研究现状
12.2.1 量化投资国内外研究现状
12.2.2 金融时序分析方法研究现状
12.3 小结
参考文献
第13章 基于时序数据的多维特征提取
1