学习卡尔曼滤波器的好书或参考

我对卡尔曼滤波器完全陌生。我上过一些关于条件概率和线性代数的基础课程。有人可以推荐一本好书或网络上的任何资源来帮助我理解卡尔曼滤波器的操作吗？

大多数网站都直接从公式及其含义开始，但是我对它的推导更感兴趣，或者如果没有详细推导，则至少对每个操作和参数的物理意义感兴趣。

许多年前，我在卡尔曼滤波器上写了本教程。它使用常规矩阵方法得出滤波器，并将其统计假设显示为“最佳”最小二乘滤波器。

这似乎是卡尔曼滤波器的不错写法。

我也在寻找一本书，最好涵盖了在现实生活中学习和实现卡尔曼滤波所需的基础知识。到目前为止，我最终确定了以下选择：

卡尔·扎金（Paul Zarchan）的卡尔曼滤波原理：一种实用方法（航空航天工程进展）

我认为这应该是一个，现在就订购。:)

一个不错的3部分Youtube视频系列（每个〜10分钟）可以直观地了解Kalman滤波器。

http://www.youtube.com/watch?v=FkCT_LV9Syk。

需要注意的一件事是，有多种方法可以推导卡尔曼滤波器方程，每种方法都可以为您提供不同的工作原理。因此，我建议您研究2-3种不同的推导，以帮助您内化该算法。

最近，Mandic，Danilo P.和Kanna，Sithan和Constantinides，Anthony G. 在IEEE信号处理杂志上发表了“ 关于最小均方和卡尔曼滤波器之间的内在关系 ”：

卡尔曼滤波器和最小均方（LMS）自适应滤波器是最流行的两种自适应估计算法，它们经常在许多统计信号处理应用程序中互换使用。它们通常被视为独立的实体，前者是最佳贝叶斯估计量的实现，而后者是最优维纳滤波问题的递归解决方案。在本讲义中，我们考虑一个系统识别框架，在该框架中，我们将通过分析最佳随机梯度下降适应所需的自由度，来发展卡尔曼滤波和LMS类型算法的联合观点。这种方法允许引入卡尔曼滤波器，而无需任何贝叶斯统计量的概念，

这里是一本非常好的书，用于学习卡尔曼理论和使用MATLAB的实现

我认为最好的资源是Wikipedia页面。这是卡尔曼过滤器的最小和简单实现，具有与维基百科页面相同的符号：https : //github.com/zziz/kalman-filter