发现您可以使用卡尔曼滤波器的实际情况。卡尔曼滤波器常用于在不确定和间接测量的情况下对系统的内部状态进行最优估计。通过观看下面的介绍性示例，学习Kalman过滤器背后的工作原理。

您将探索通常使用卡尔曼滤波器的情况。当一个系统的状态只能被间接地测量时，你可以使用一个卡尔曼滤波器来优化地估计系统的状态。当来自不同传感器的测量数据是可用的，但受到噪声影响时，您可以使用卡尔曼滤波器来组合来自不同来源的感觉数据(称为传感器融合)，以找到感兴趣的参数的最佳估计值。

您还将通过一些包含简单数学的示例了解状态观察者。这将帮助您理解什么是卡尔曼滤波以及它是如何工作的。在高层次上，卡尔曼滤波器是一种最优状态估计器。视频还包括非线性状态估计器的讨论，如扩展的和无气味的卡尔曼滤波器。

最后，一个例子说明了如何使用卡尔曼滤波器，MATLAB估计线性系统的状态^®和仿真软件万博1manbetx^®。