全文总字数：3066字

1. 研究目的与意义及国内外研究现状

数据滤波是去除噪声还原真实数据的一种数据处理技术, Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态. 由于, 它便于计算机编程实现, 并能够对现场采集的数据进行实时的更新和处理, Kalman滤波是目前应用最为广泛的滤波方法, 在通信, 导航, 制导与控制等多领域得到了较好的应用。但是，它的相关原理比较复杂，这里我们希望通过结合贝叶斯原理及相关实例的介绍能比较通俗易懂的让读者理解卡尔曼滤波的原理.

国内外研究现状

斯坦利.施密特(Stanley Schmidt)首次实现了卡尔曼滤波器.卡尔曼在NASA埃姆斯研究中心访问时,发现他的方法对于解决阿波罗计划的轨道预测很有用,后来阿波罗飞船的导航电脑使用了这种滤波器. 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表.

目前,卡尔曼滤波已经有很多不同的实现.卡尔曼最初提出的形式现在一般称为简单卡尔曼滤波器.除此以外,还有施密特扩展滤波器,信息滤波器以及很多Bierman, Thornton 开发的平方根滤波器的变种.最常见的卡尔曼滤波器是锁相环，它在收音机,计算机和几乎任何视频或通讯设备中广泛存在.目前，卡尔曼滤波的广泛应用已经超过30年，包括在军事方面的雷达系统及导弹追踪、工业过程、机器人导航及追踪、传感器数据融合、通信和社会经济的不同领域.现在，更广泛应用于计算机图像处理，例如人脸识别、图像分割、图像边缘检测、目标识别与跟踪等.

2. 研究的基本内容

应用在线性领域中，主要是经典卡尔曼滤波；而应用在非线性领域中，主要是扩展卡尔曼滤波和无迹kalman滤波。当然在很多文献中有各种卡尔曼滤波的衍生算法，例如信息卡尔曼、强跟踪卡尔曼、集合卡尔曼、容积卡尔曼和神经网络卡尔曼等。其他的卡尔曼都是以经典卡尔曼为母体的，只要掌握经典卡尔曼滤波算法的核心和精髓即能触类旁通，学一知百。

在应用实例方面，一定要掌握系统建模问题。所谓系统建模，是指kalman滤波中的状态方程和观测方程的建立。这两个方程中的状态、矩阵参量的设置不同，就代表着不同的系统。经典卡尔曼滤波和交互多模型卡尔曼滤波属于线性滤波器，这些算法的应用领域主要有温度测量、gps导航、石油地震勘探、视频录像中的目标检测和跟踪。非线性滤波器主要有ekf和ukf算法，应用实例主要是纯方位、纯距离的目标跟踪、寻地制导系统。

3. 实施方案、进度安排及预期效果

实施方案：通过参考国内外文献，及现有的计算机编程等手段，并结合贝叶斯原理等数学原理来通俗易懂的解释卡尔曼滤波原理。

进度安排：

2017年1月初导师见面，确定论文题目

4. 参考文献

卡尔曼滤波原理及应用----matlab仿真 黄小平 王岩编著电子工业出版社

[brown92]brown,r.g. and p.y.c. hwang.1992.introduction to random signals and applied kalman filtering, second edition, john wiley sons,inc.

[gelb74]gwlb,a.1974.applied optimal estimation,mit press,cambridge,ma.