滤波相关知识（卡尔曼等），频域时域，梯度下降算法，滤波器

卡尔曼滤波

卡尔曼滤波器的原理以及在matlab中的实现 （短的）
徐亦达机器学习：Kalman Filter 卡尔曼滤波 （长的）

卡尔曼滤波,最最容易理解的讲解 （简单理解）
详解卡尔曼滤波原理 （结合推导）

自适应滤波

自适应滤波器的四种基本应用：

1.系统辨识：当我们想描述一个未知系统（如一组复杂的模拟电路），解析的算出系统的冲击响应或者系统函数是比较困难的。这时，我们就可以用未知系统的输入和输出训练自适应滤波器（未知系统的输入作为自适应滤波器的输入，未知系统的输出作为自适应滤波器的期望信号，当自适应滤波器收敛后，对应的滤波器就可以看做是未知系统的近似）。

2.逆系统辨识：在这类应用中，自适应滤波器的作用是提供一个逆模型，该模型可在某种意义上最好拟合未知噪声装置。理想地，在线性系统的情况下，该逆模型具有等于未知装置转移函数倒数的转移函数，使得二者的组合构成一个理想的传输媒介。该系统输入的延迟构成自适应滤波器的期望响应。在某些应用中，该系统输入不加延迟地用做期望响应。

3.预测：在这类应用中，自适应滤波器的作用是对随机信号的当前值提供某种意义上的一个最好预测。于是，信号的当前值用作自适应滤波器的期望响应。信