高博翻译的《机器人学中的状态估计》，SLAM，机器人，状态估计。非常清晰，保证下载后不亏。

1986年Smith, Randall C与Chessman, Peter发表的关于SLAM的第一篇论文。

视频包含 7 个视频教程，详细介绍使用卡尔曼滤波器的常见场景，包括： 1.为什么使用卡尔曼滤波器？ 2.了解卡尔曼滤波器——状态观测器 3.了解卡尔曼滤波器——最优状态估计 4.了解卡尔曼滤波器——最优状态估计算法和方程 5.了解卡尔曼滤波器——非线性状态估算器 6.在 Simulink 中使用卡尔曼滤波器 7.在 Simulink 中使用扩展卡尔曼滤波器 对卡尔曼滤波器的原理与应有有很大帮助！！！！

格文斯 GVINS：紧密耦合的GNSS-视觉-惯性融合，用于平稳一致的状态估计。 GVINS是一个基于非线性优化的系统，该系统将GNSS原始测量结果与视觉和惯性信息紧密融合在一起，可进行实时和无漂移状态估计。 通过合并GNSS伪距和多普勒频移测量，GVINS能够在复杂环境中提供平稳且一致的6自由度全局定位。 系统框架和VIO部分改编自 。 我们的系统包含以下功能： ECEF帧中的全局6自由度估计； 多星座支持（GPS，GLONASS，Galileo，北斗）； 在线本地-ENU帧对齐； GNSS不友好甚至是GNSS被拒绝的地区的全球姿态恢复。 1.先决条件 1.1 C ++ 11编译器 该软件包需要C ++ 11的某些功能。 1.2活性氧 该程序包是在环境下开发的。 1.3本征 我们的代码使用进行矩阵处理。 1.4立方米 我们使用 1.12.0来解决非线性优化问题。 1.5 gns

永磁同步电机PMSM仿真，永磁同步电机负载状态估计(龙伯格观测器,离散连续各种卡尔曼滤波器),矢量控制,坐标变换，英文论文复现，含中文。该文档介绍了所使用的系统模型､参数和负载观测器｡使用的观测器是Luenberger观测器和各种不同形式的卡尔曼滤波器｡然后将估计的信号用于前馈负载转矩补偿,以增强系统的瞬态响应｡

电力系统状态估计并行算法实现.pdf

电力系统状态估计的程序实现及算法研究.pdf

多尺度数据融合状态估计算法研究.pdf

高博翻译的《机器人学中的状态估计》，SLAM，机器人，状态估计。

本资源为最优状态估计书籍以及代码。本书中包含卡尔曼滤波器等一系列滤波器，对控制有研究的同学会有并帮助。