到目前为止，我发现的最易读的示例介绍是SIGGRAPH Course Pack。

[在存在缺失观察的情况下从 Estimate 转发@Vincent-Zonekynd 的评论]：这是对卡尔曼滤波器的非常简单的介绍，用于估计机器人的位置（将位置视为您要估计的参数） ：sites.google.com/site/udacitymirrorcs373/cs-373/unit-2（您可能想跳过不相关的开头部分，并检查上一课和下一课，它们提供了卡尔曼滤波器的非参数替代方案：直方图滤波器和粒子滤波器）。

Advanced Kalman Filtering, Least-Squares and Modeling: A Practical Handbook by Bruce Gibbs 大量使用示例。

我不喜欢的一本书是A Kalman Filter Primer。

在阅读 Phil Kim http://books.google.co.uk/books?id=W8u_XwAACAAJ&dq=kalman+filter+phil+kim&source=bl&ots=N-I0YhBX_U&sig的“Kalman Filter for Beginners with Matlab examples”后，我确实清除了卡尔曼=pcfeeEGHYmYDr7bockF5kSIMM_s&hl=en&sa=X&ei=ir5xUM3gM8Op0QWI8YDwDQ&ved=0CC4Q6AEwAA 这本书从递归、移动平均、低通滤波器等一些基本概念开始，然后转到卡尔曼的实现。有Matlab的例子，你可以自己尝试，没有任何不清楚的方法或推导的空间。该书从实用的角度处理卡尔曼滤波器，所有数学都留给更高级的书籍。也许读完这本书你不会成为专家，但你肯定会知道如何开始成为专家，以及如何立即使用卡尔曼。