第1章 引言
1.1 本章重点
1.2 关于卡尔曼滤波
1.2.1第一个问题：什么是卡尔曼滤波器
1.2.2 为什么被称为滤波器
1.2.3 卡尔曼滤波的数学基础
1.2.4 卡尔曼滤波的应用
1.3 关于最优化估计方法
1.3.1 最优估计理论的出现
1.3.2 最小二乘方法
1.3.3 不确定性的数学模型
1.3.4 Wieer-Kolmogorov滤波器
1.3.5 卡尔曼滤波器
1.3.6 实现方法
1.3.7 非线性近似
1.3.8 真实非线性估计
1.3.9 监视中的检测问题
1.4 常用符号
1.4.1 导数的“点”符号
1.4.2 卡尔曼滤波器变量的标准符号
1.4.3 数组维数的常用符号
1.5 本章小结
习题
参考文献
第2章 线性动态系统
2.1 本章重点
2.1.1 更大的示意图
2.1.2 动态系统模型
2.1.3 涵盖要点
2.2 确定性动态系统模型
2.2.1 微分方程表示的动态系统模型
2.2.2 牛顿模型
2.2.3 确定性系统的状态变量和状态方程
2.2.4 连续时间和离散时间
2.2.5 时变系统和时不变系统
2.3 连续线性系统及其解
2.3.1 线性动态系统的输入输出模型
2.3.2 动态系数矩阵及输入耦合矩阵
2.3.3 高阶导数的伴随形式
2.3.4 输出和测量灵敏度矩阵
2.3.5 差分方程和状态转移矩阵（STM）
2.3.6 求解微分方程得到STM
2.3.7 非齐次方程的解
2.3.8 时不变系统的闭式解
2.3.9 时变系统
2.4 离散线性系统及其解
2.4.1 离散线性系统
2.4.2 时不变系统的离散时间解
2.5 线性动态系统模型的可观测性
2.5.1 如何确定动态系统模型是否可观测
2.5.2 时不变系统的可观测性
2.5.3 时不变线性系统的可控性
2.6 本章小结
习题
参考文献
第3章 概率与期望
3.1 本章重点
3.2 概率论基础
3.2.1 测度论
3.2.2 概率测度
3.2.3 概率分布
3.2.4 概率密度函数
3.2.5 累积概率函数
3.3 期望
3.3.1 线性泛函
3.3.2 期望算子
3.3.3 概率分布的矩
3.4 最小均方估计（LMSE）
3.4.1 平方估计误差
3.4.2 最小化
3.4.3 最小均方估计误差
3.4.4 均值和协方差： 需要记住的矩
3.4.5 脱靶距离的其他测量方法
3.5 变量变换
……
第4章 随机过程
第5章 线性最优滤波器和预测器
第6章 最优平滑器
第7章 实现方法
第8章 非线性近似
第9章 实际考虑
第10章 在导航中的应用
附录A 软件

本书深入系统地介绍了卡尔曼滤波的基础理论和实践考虑，涉及卡尔曼滤波的核心技术基础以及在实现中遇到的实际问题。包括：实际问题的数学模型表示方法、作为系统设计参数函数估计子的性能分析、实现机械方程的数值稳定算法、计算需求的评估、结果有效性的检验、滤波器工作性能的监控等内容。本书以大量现实世界中的实际问题作为例子，特别是拓展了导航系统的应用范围，包括GPS、陀螺仪和加速度计的误差模型、惯性导航系统和高速公路交通管制系统等。本书还提供了MATLAB源程序和精心设计的习题。全书译文已根据作者于2015年提供的两个勘误表进行过更正。
本书适合于作为高年级本科生学习随机过程的入门教程和研究生一年级学习卡尔曼滤波理论及应用的教材，也可用于自学或者作为实际工程师和科研人员的参考书。