为方便读者阅读专著

我们在这里提供该书的全部matlab程序，请下载：

本书配有与理论研究、仿真研究配套的近百个MATLAB源程序，包括1个已经取得软件著作权专利的软件平台“基于RFID系统的移动目标轨迹数据软件平台”。在与本书配套的网站上可以下载源程序及解答疑问，同时，读者也可以通过微信平台向作者提问或探讨。

全书主要分成两部分，第一部分为基础知识，共包括5章。

介绍了Kalman滤波器的基本特点，并介绍了一个应用例子。

对MATLAB语言的使用方法、必要函数和一些编程技巧进行了简介。本书假设读者已经熟悉MATLAB语言，并能够利用该语言进行编程，所以本章并没有对MATLAB进行深入介绍，有需要的读者可以参考MATLAB相关书籍。

介绍了最小二乘估计方法的基本原理和推导过程，并给出了几种不同的表达形式，包括基本最小二乘估计方法、最小二乘加权估计和线性最小二乘递推估计方法，并对最小二乘方法的估计方差进行了深入研究，该方差是评价估计性能的定量指标。本章是Kalman滤波器的理论基础，尤其是递推最小二乘估计方法。值得一提的是，本章的估计方法都假设待估计量是恒定不变的。

在第3章的基础上，假设待估计量是变化的，进而基于线性系统介绍了Kalman滤波器的递推算法。先对待估计量如何变化进行研究，前一时刻的待估计量如何变为？这需要系统模型之一——过程模型来描述。由于待估计量的变化，前一时刻的估计量在时刻已经变为，将其称为“向前一步预测估计”，在时刻的测量到来时，向前一步预测估计又被进一步估计，得到了与真值更接近的当前步的估计结果。本章详细推导了Kalman滤波器，这其实是贝叶斯估计的过程。

研究了非线性系统的Kalman估计方法，第4章的系统模型——过程模型和测量模型，都是具有线性关系的，如果系统模型包括非线性关系，就不能使用Kalman滤波器了。因此，研究者们推导了几种能够估计非线性系统状态的方法，本章给出了其中的两个：扩展Kalman滤波器、不敏Kalman滤波器。书中给出了详细的推倒过程，并利用MATLAB进行仿真研究，如不敏变换和泰勒级数展开方法线性化的区别等。 作为前面基础知识的必要补充，本书的第二部分为应用部分，包括第6章和第7章。

介绍了跟踪系统的测量模型，并给出了很多跟踪系统发展研究中经常用到的仿真轨迹，如蛇形机动、圆形机动、匀速直线运动、在2维平面内任意机动的仿真程序和数据，数据包括传感器测量模拟数据及运动目标的参考轨迹。另外本章还给出了RFID系统的测量数据仿真平台，可以任意设置RFID阅读器的个数和位置，模拟目标在2维平面内任意机动的采集数据。

给出了机动目标的模型建模方法，包括常速度模型、常加速度模型、Singer模型、以及当前统计模型、Jerk等，并介绍了基于数据驱动**的模型——状态估计闭环方法，给出了基于目标动力学统计特征的自适应动力学模型，大量仿真研究表明该模型可以很好地适应目标的运动特征。本章还包括对前一章给出的移动目标轨迹在不同运动模型下，对移动目标进行跟踪的仿真结果。

介绍了基于RFID室内跟踪系统的仿真研究，包括RFID跟踪系统的特点，不规则采样测量下的系统模型以及不规则采样跟踪理论。其中，本章对基于多RFID阅读器的EKF跟踪，以及基于可变数量RFID阅读器的UKF跟踪，进行了仿真，结果表明即使在阅读器数量已经发生很大变化的情况下，通过本章给出的估计方法仍然可以得到平滑的估计结果。