第二章状态估计基础状态估计的目的是对目标过去的状态进行平滑、对目标现在的运动状态进行滤波和对目标未来的运动状态进行预测。这些运动状态包括目标位置、速度、加速度等。本章讨论在多传感器跟踪系统中广泛应用的状态估计技术，这些技术包括Kalman滤波技术，滤波与滤波技术、最小二乘滤波技术和非线性系统的状态估计技术。2.1 线性系统估计卡尔曼滤波技术2.1.1 线性系统描述1.离散时间线性动态系统的状态方程线性系统采用状态方程、观测方程及其初始条件来描述。线性离散时间系统的一般状态方程可描述为其中，是时刻目标的状态向量， 是过程噪声，它是具有均值为零、方差矩阵为的高斯噪声向量，即（：狄拉克函数，或单位冲激函数），是状态转移矩阵，是过程。2. 传感器的测量（观测）方程传感器的通用观测方程为这里，是传感器在时刻的观测向量，观测噪声是具有零均值和正定协方差矩阵的高斯分布测量噪声向量，即3初始状态的描述初始状态是高斯的，具有均值和协方差，即以上描述比较抽象，下面结合
