离散滤波器的文档，结构清晰、例子直白，适合你快速上手。

卡尔曼滤波器的数学原理听起来挺高深，但其实用起来还蛮接地气的。你可以把它想成是一个能“猜得越来越准”的算法，像导航系统、传感器数据平滑、甚至股票预测都能看到它的身影。

资源包里主要讲了两个东西：离散 Kalman 滤波器和扩展 Kalman 滤波器（EKF），都配了具体数字例子。文档风格不算啰嗦，干货挺多，适合你快速扫一遍照着实现。

像估计随机常量这种应用，它就合适。你给它一堆带噪声的数据，它能把真正的值“滤”出来，还支持预测未来状态，响应也快，代码也简单。

建议你搭配下面这几个链接看，会更有感觉：卡尔曼滤波器原理浅析讲基础概念比较直白，应用示例的程序实现适合动手试试，另外两个也都是围绕滤波器的变种实现。

如果你最近在搞信号、传感器数据融合或者搞自适应算法，这个文档包你翻一遍肯定不亏，是入门阶段。