泊松分布检验的滤波方法，搭配卡尔曼、H∞、非线性滤波的组合，用起来还是蛮方便的。统计检验部分直接给出了泊松拟合的思路，适合你在离散计数数据的时候套用，比如事件频率、电话呼入次数那类。
卡尔曼滤波的公式推导比较清晰，还顺手带了H∞滤波和非线性滤波，思路也不错。你要是做的是状态估计相关的项目，这几种方法的对比参考一下，挺有。
尤其是那几个文档里的滤波方法，连代码都贴了，直接拿来改改就能用，节省不少调试时间。像最优状态估计的卡尔曼流程和e-最优这种，也都有对应的例子支撑。
如果你想系统了解一下卡尔曼滤波在不同分布下的表现，可以把这几篇文章都扫一遍。链接我也整理好放下面了，别说我没提醒你。