Buku bagus atau referensi untuk mempelajari Filter Kalman

Saya benar-benar baru di filter Kalman. Saya sudah memiliki beberapa kursus dasar tentang probabilitas bersyarat dan aljabar linier. Dapatkah seseorang menyarankan buku bagus atau sumber daya apa pun di web yang dapat membantu saya memahami operasi Filter Kalman?

Sebagian besar situs web memulai langsung dengan formula dan apa artinya, tetapi saya lebih tertarik pada derivasinya, atau jika tidak merinci derivasi, maka setidaknya signifikansi fisik setiap operasi dan parameter.

Bertahun-tahun yang lalu saya menulis tutorial ini pada filter Kalman. Ini mendapatkan filter menggunakan pendekatan matriks konvensional serta menunjukkan asumsi statistik sebagai filter kuadrat terkecil 'optimal'.

Ini sepertinya merupakan artikel bagus dari filter Kalman.

Saya sedang mencari buku juga, yang terbaik untuk mencakup dasar-dasar yang diperlukan untuk belajar dan menerapkan penyaringan kalman dalam situasi kehidupan nyata. Sejauh ini saya menyelesaikan pilihan saya untuk ini:

Dasar-dasar Penyaringan Kalman: Suatu Pendekatan Praktis (Kemajuan dalam Astronautika dan Aeronautika) oleh Paul Zarchan

Saya pikir ini harus menjadi satu dan saya memesannya sekarang. :)

3 bagian seri Video Youtube yang bagus (masing-masing ~ 10 menit) memberikan pemahaman intuitif tentang Filter Kalman.

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

Satu hal yang perlu diperhatikan adalah bahwa ada berbagai cara untuk memperoleh persamaan Filter Kalman dan setiap metode memberi Anda perspektif yang berbeda tentang cara kerjanya. Jadi, saya sarankan Anda melihat 2 - 3 derivasi berbeda untuk membantu Anda menginternalisasi algoritma ini.

Baru-baru ini, Mandic, Danilo P. dan Kanna, Sithan dan Constantinides, Anthony G. menerbitkan " Tentang Hubungan Intrinsik Antara Least Mean Square dan Kalman Filter " di majalah pemrosesan IEEE Signal:

Filter Kalman dan filter adaptif least mean square (LMS) adalah dua algoritma estimasi adaptif paling populer yang sering digunakan secara bergantian dalam sejumlah aplikasi pemrosesan sinyal statistik. Mereka biasanya diperlakukan sebagai entitas yang terpisah, dengan yang pertama sebagai realisasi dari penaksir Bayesian yang optimal dan yang terakhir sebagai solusi rekursif untuk masalah penyaringan Wiener optimal. Dalam catatan kuliah ini, kami mempertimbangkan kerangka kerja identifikasi sistem di mana kami mengembangkan perspektif bersama tentang penyaringan Kalman dan algoritma tipe-LMS, yang dicapai dengan menganalisis derajat kebebasan yang diperlukan untuk adaptasi keturunan gradien stokastik yang optimal. Pendekatan ini memungkinkan pengenalan filter Kalman tanpa gagasan statistik Bayesian,

Buku yang sangat bagus untuk mempelajari Teori Kalman dan implementasi menggunakan MATLAB ada di sini

Sumber terbaik adalah halaman Wikipedia menurut saya. Berikut ini adalah implementasi Kalman Filter yang minimal dan sederhana dengan notasi yang sama yang diberikan di halaman Wikipedia: https://github.com/zziz/kalman-filter