数据滤波是去除噪声还原真实数据的一种数据处理技术, Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态. 由于, 它便于计算机编程实现, 并能够对现场采集的数据进行实时的更新和处理, Kalman滤波是目前应用最为广泛的滤波方法, 在通信, 导航, 制导与控制等多领域得到了较好的应用

提出了改进的结合相位差变化率和多普勒频率变化率的单站无源定位算法。该算法克服了相位差变化率法中对目标运动状态和运动高度的限制及多普勒频率变化率法中波达角变化率信息获得困难，对算法实用性的限制，将两种算法的优点有机结合起来，降低了系统对定位系统前端接收机的设计难度，从而为该算法的硬件实现打下了良好的基础，最后使用迭代扩展卡尔曼滤波算法0Er,．v)对定位结果进行了处理，提高了估计的精度。(An improved single station without phase difference rat

涉及一种分布式驱动电动汽车惯性 参数估计方法，首先考虑载荷参数不确定导致车 辆惯性参数的变化，建立三自由度整车动力学模 型，并选择魔术公式的非线性轮胎模型，设计双 自适应无迹卡尔曼滤波器的状态和参数估计系 统，再确定双自适应无迹卡尔曼滤波观测器的具 体步骤，从而实现对车辆车辆纵向速度、车辆质 心侧偏角等车辆状态及整车质量、横摆转动惯 量、质心到车辆前轴的距离等车辆惯性参数估 计。本发明基于考虑载荷参数变化的车辆动力学 估计模型，采用自适应无迹卡尔曼滤波方法可以 有效抑制车辆状态参数滤波器的发散影