本书描述了线性和非线性问题估计算法建立的一般准则和方法，重点分析了基于离散方法的最普遍的统计估计算法的综合问题，研究了不同先验信息下所得算法的相关性，将针对常向量所得的方法和算法推广至随机序列的估计中，其中卡尔曼类算法是最为重要的。

本书介绍的内容由例题及方法性习题来解释说明，这些例题均是与导航信息处理相关的，包括多项式系数估计问题以及确定参数与实现之间的变化，根据定规及卫星信息确定坐标，由外部信息及冗余观测综合处理修正导航系统指数。本书给出了概率论和矩阵计算的基本定义并叙述了所用到的Matlab部分知识。本书内容结构规整，较方便不同程度的使用者按各章节学习使用。

本书可供相关专业的高年级本科生和研究生使用，也可为导航信息处理及水声学信息处理和轨道跟踪交叉领域中研究估计算法建立问题的工程技术和科学研究人员提供参考。

目录

引言

第1章 概率论基础

1.1随机变量和随机向量及其描述方法

1.2随机向量及其描述方法

1.3随机变量和随机向量的变换

1.4条件概率分布密度

1.5随机变量和随机向量的建模及其抽样特征的计算

1.6使用Matlab建模的问题

本章小结

第2章 估计理论基础

2.1导航信息处理时常参数的估计问题及例题

2.2基于确定性方法的估计问题求解—最小二乘法

2.3非巴耶索夫斯基估计算法

2.4巴耶索夫斯基方法—线性最优估计

2.5巴耶索夫斯基方法—最优估计

2.6多余观测综合处理算法

2.7使用Matlab建模的问题

本章小结

第3章随机序列滤波理论基础

3.1随机序列

3.2随机序列滤波的最优线性算法

3.3随机序列滤波的递推最优巴耶索夫斯基算法

3.4修正问题及其求解算法

3.5导航信息综合处理下随机序列的滤波和修正问题

3.6Matlab建模

习题完成算例

附录1 矩阵运算及其在Matlab中的应用实现

附录2 Matlab图形的建立

结论

参考文献