为此提出一种利用熔池图像质心和卡尔曼滤波来间接获取电弧与焊缝偏差的方法。
通过将因子分析与卡尔曼滤波法集成，提出一种多元光度分析新算法。
卡尔曼滤波（KF）是一种基于最小二乘法原理的线性估计递归（推）算法。
仿真结果证明这种方法比标准卡尔曼滤波具有更高的精度。
将声波传输时延转换为水下目标的距离，用卡尔曼滤波的方法对数据中的噪声进行滤波。
在实际研究过程中将其应用于车辆的导航定位系统，获得了显著的效果。结果验证了自适应卡尔曼滤波方法的可行性。
然而，载车的实际行驶环境是复杂多变的，因而有必要研究自适应滤波以提高组合导航系统的适应性。
首先，将该融合估计算法和在最细尺度上直接进行卡尔曼滤波的算法性能进行了比较，并用仿真进行了验证。
或者说有色噪声的卡尔曼滤波是白噪声卡尔曼滤波的推广。
最初估计和观测可获取性对对流尺度集合Kalman滤波数据同化的作用。
为解决该问题，本文首先使用时间序列分析和卡尔曼滤波相结合的混合算法。
介绍和分析了最小二乘和卡尔曼滤波方法在时间预报中的应用。
此外，结合卡尔曼滤波器预测和线性插值，补充视频中漏检的球的位置。
利用卡尔曼滤波对测量值进行噪声处理，物理实验数据的结果验证了本文方法的有效性。
使用带渐消因子的自适应卡尔曼滤波构造了永磁同步电机的速度观测器。
实验表明，卡尔曼滤波在电动汽车电池组荷电状态估计方面具有应用潜力。
文章给出了消防机器人导航的主要算法流程，以及利用改进自适应卡尔曼滤波器实现多传感器信息融合。
仿真时与鲁棒卡尔曼滤波方法进行比较，结果表明了该方法的有效性。
通过将优化算法与卡尔曼轨迹预测相结合，解决了目标运动速度过快和全部遮挡问题。
此反向估测法包括两部份：无输入项卡尔曼滤波器及输入估测器。
卡尔曼滤波应用于测井数据处理，其参数具有特殊性，对如何确定某些参数进行了讨论。
此算法将小波去噪与卡尔曼滤波算法结合起来，能够更有效地剔除野值。
在已知节点位移和力边界的情况下，利用逆向无网格方法结合卡尔曼滤波，计算出组织的杨氏模量。
为克服扩展卡尔曼滤波算法的缺陷，将UKF算法应用于纯方位目标跟踪问题中。
同时以基于当前统计模型的卡尔曼滤波算法为基础，针对该系统提出了一种最优数据融合估计算法。
针对网络流量的特点，提出了一种基于卡尔曼滤波和小波分析混合的流量预测算法。
最后，将该行动定位方法与卡尔曼滤波器相结合，一个追踪手机行止的方案就此成型。
多普勒计程仪输出数据中有局外数据，可能会导致组合导航系统中的卡尔曼滤波器发散。