1. 研究目的与意义

研究目的：卡尔曼滤波技术在工业已经导航定位等领域都有广泛的应用，卡尔曼滤波器应用于处理测量参数减小随机误差，从一系列包含噪声的测量中，估计动态系统的状态。

但由于传感器都存在自身缺陷，获取信息量有限单一传感器难以保证输入信息的准确性、可靠性、充足性。

研究意义：扩展卡尔曼滤波器适用于非线性系统，对更复杂的情况进行滤波估计等处理。

2. 国内外研究现状分析

卡尔曼滤波应用广泛且功能强大，它可以估计信号的过去和当前状态甚至能估计将来的状态即使并不知道模型的确切性质。

其基本思想是以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值。

算法据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计。

3. 研究的基本内容与计划

研究内容：本文首先阐述了扩展卡尔曼滤波理论和数据融合理论，以及这两种理论的具体应用，建立基于扩展卡尔曼滤波的数据融合模型，并用MATLAB进行仿真，对比卡尔曼滤波器与扩张卡尔曼滤波器（EKF）的仿真结果，比较两种算法的在实际应用中的优劣之处。

时间安排：开题报告：2012年3月1号3月10号论文一稿：3月10号4月3号中期检查：4月4号4月15号论文二稿：4月16号5月3号论文三稿：5月4号5月23号验收评阅：5月24号6月4号答辩及成绩评定：6月5号

4. 研究创新点

将扩展卡尔曼滤波技术与数据融合技术结合，在卡尔曼滤波技术的基础之上提出一种可行的改良技术，并验证其优越性。

扩展卡尔曼滤波器对非线性系统的处理更加准确、可靠、便捷。