《Kalman滤波器理论与应用：基于MATLAB实现》以Kalman滤波器为主要介绍对象，包含基本原理、推导方法及其在跟踪系统中的应用，同时配套MATLAB源程序。具体内容包括Kalman滤波器、扩展Kalman滤波器、不敏Kalman滤波器及其在RFID系统的跟踪应用研究。
　　《Kalman滤波器理论与应用：基于MATLAB实现》凝练了作者二十余年来对Kalman滤波器基础理论及在目标跟踪应用的研究成果，具体内容包括：根据目标运动特征进行自调整参数的“自适应动力学模型”、不敏变换的性能分析、RFID跟踪系统的测量方程及其仿真平台等。
　　《Kalman滤波器理论与应用：基于MATLAB实现》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教材，也可供相关领域的工程技术人员和研究人员参考。

前言

第1章 绪论
1．1 Kalman滤波器简介
1．2 Kalman滤波器的历史与研究现状
1．3 本书的基本结构

第2章 MATLAB基础知识介绍
2．1 MATLAB语言的主要特点
2．2 MATLAB编程介绍
2．3 MATLAB函数文件
2．4 本章小结

第3章 最小二乘估计
3．1 最小二乘估计方法描述
3．2 最小二乘加权估计
3．3 线性最小二乘递推估计
3．4 最小二乘的性能——估计方差
3．5 本章小结

第4章 Kalman滤波器
4．1 系统模型描述
4．2 向前一步预测估计x（k|k-1）的求法
4．3 更新估计x（k|k）的求法
4．4 离散Kalman滤波器
4．5 本章小结

第5章 非线性Kalman滤波器
5．1 扩展Kalman滤波器
5．2 不敏Kalman滤波器
5．2．1 非线性变换的均值和方差
5．2．2 不敏变换
5．2．3 无迹Kalman滤波器
5．3 本章小结

第6章 模型的离散化及目标机动轨迹仿真
6．1 随机线性系统的数学描述
6．2 几类跟踪系统中常用曲线的模拟
6．3 GPS跟踪系统的机动目标轨迹模拟
6．4 RFID跟踪系统的机动目标轨迹模拟
6．4．1 RFID系统测量模型
6．4．2 RFID室内跟踪系统仿真数据平台软件
6．5 本章小结

第7章 机动目标动力学模型
7．1 CV模型
7．2 CA模型
7．3 Singer模型
7．4 当前统计模型
7．5 Jerk模型
7．6 交互式多模型算法
7．6．1 初始量的假设
7．6．2 状态估计的交互式作用
7．6．3 模型并行滤波
7．6．4 模型概率更新
7．6．5 模型输出
7．7 数据驱动模型数学基础
7．7．1 最小二乘估计方法
7．7．2 Yule-Walker估计方法
7．8 自适应参数机动目标模型估计方法
7．9 本章小结

第8章 基于RFID的室内跟踪系统仿真研究
8．1 RFID跟踪系统的特点
8．2 不规则采样系统的模型转化
8．3 RFID系统模型
8．3．1 RFID测量模型
8．3．2 机动目标运动模型
8．4 基于可变数量RFID阅读器的EKF跟踪方法
8．5 基于可变数量RFID阅读器的UKF跟踪方法
8．6 仿真研究
8．7 本章小结
参考文献