这本书是关于分布式状态估计的最为经典的书籍，基于全连通拓扑和非全连通拓扑，线性系统和非线性系统，详细介绍了信息滤波和卡尔曼滤波的过程和推导

可以实现简单的电力系统状态估计，如最小二乘法等方法的实现。

抗差最小二乘估计是通过等价权将抗差估计原理与最小二乘形式有机结合起来。因此设计抗差最小二乘估计实质是等价权函数的设计。

基于EKF扩展卡尔曼滤波车身状态估计 汽车稳定性控制系统需要的状态信息一部分可通过车载传感器直接测量，另一部分不能直接测量。为了实现车辆动力学控制系统中的这种闭环状态反馈，受某些测量技术以及成本等因素的制约，依靠传感器直接测量获取某些重要状态量有很大的难度，因此提出状态估计的方法，即通过估计算法实时获取车辆在行驶过程中的某些重要状态量，如车速、横摆角速度、质心侧偏角等。本章利用扩展卡尔曼滤波方法，基于三自由度的车辆估计模型对轮边驱动电动汽车的纵向车速、侧向车速、质心侧偏角进行了估计，通过仿真验证了估计算法的准确性。

需要运行下面的代码，得到矩阵E，然后才能进行仿真，更具体思路的可以参考 https://blog.csdn.net/XSTX1996/article/details/83117733 A = [1 1; 0 0]; C = [1 0]; syms e1 e2 lambda; E = [e1; e2]; T=0.01; eigPloy = det(A-E*C - lambda*eye(2)); lambdaVal = roots([2*T^2, 2*T, 1]); eigPloy = subs(eigPloy, lambda, lambdaVal); [e1, e2] = solve(eigPloy, e1, e2); E = double([e1 e2])';

电力系统状态估计（电力网系统辨识）-最小二乘+不良数据辨识-matlab 最小二乘是对电力系统进行状态估计的最基本方法，而考虑到电力网数据可能存在不良数据，需要使用相关方法进行不良数据辨识；检测到不良数据点位置后，系统还会剔除不良数据再次进行辨识 两份导入数据中，iSE30Bus1为有误差数据，iSE30Bus2为无误差数据 输出结果会导入至oStateEstimation中

基于最小二乘法编写的MATLAB状态估计程序，附有14节点和30节点算例。

我校系统辨识经典教材，内容条理清晰，通俗易懂

机器人状态估计理论经典

State Estimation for Robotics A Matrix Lie Group Approach