编辑推荐
本书详解非线性系统估计及多传感器信息融合方法。
内容简介
本书主要介绍了几种非线性系统的估计方法，为了提高单个传感器的估计精度，提出了多传感器信息融合方法。信息融合方法包括：集中式融合方法，加权观测融合方法，分布式融合方法。分布式融合方法包括：按矩阵加权、按对角阵加权、按标量加权，协方差交叉融合方法。
章节目录
封面
版权页
主要符号
前言
目录
第1章 绪论
1.1 多传感器信息融合理论
1.1.1 多传感器信息融合
1.1.2 信息融合国内外发展现状
1.2 系统辨识
1.2.1 系统辨识的目的
1.2.2 系统辨识的方法
1.2.3 自校正滤波算法
1.3 非线性系统融合估计
1.3.1 信息融合结构模型
1.3.2 信息融合的主要技术方法
1.3.3 非线性系统估计研究现状
1.3.4 融合估计研究现状
1.3.5 非线性系统融合估计研究现状
1.4 主要研究内容
第2章 一般非线性系统滤波方法及性能分析
2.1 递推线性最小方差估计框架
2.1.1 射影定理
2.1.2 新息序列
2.1.3 递推线性最小方差滤波框架
2.1.4 Kalman滤波器
2.1.5 ARMA新息模型
2.1.6 基于ARMA新息模型的稳态Kalman滤波器
2.2 无迹Kalman滤波算法
2.2.1 UKF滤波算法原理
2.2.2 Sigma点采样策略
2.2.3 UKF滤波算法
2.3 容积Kalman滤波算法
2.3.1 容积规则
2.3.2 容积Kalman滤波算法
2.4 粒子滤波算法
2.4.1 最优贝叶斯递推滤波和重要性采样
2.4.2 序贯重要性采样
2.4.3 PF滤波算法
2.5 3种非线性滤波算法的比较分析
2.6 本章小结
第3章 线性系统的多传感器自校正加权观测融合Kalman滤波器
3.1 最优加权观测融合Kalman滤波器
3.1.1 线性系统的加权观测融合算法
3.1.2 最优加权观测融合Kalman滤波器
3.2 基于最小二乘法的自校正加权观测融合Kalman滤波器
3.2.1 自校正Kalman滤波器
3.2.2 基于最小二乘法的自校正加权观测融合Kalman滤波器
3.2.3 基于相关函数辨识器的自校正加权观测融合Kalman滤波器
3.3 基于协同辨识的自校正加权观测融合Kalman滤波器
3.3.1 具有相同观测矩阵和不相关观测噪声的情形
3.3.2 具有不同观测矩阵和不相关观测噪声情形
3.3.3 系统具有不同观测矩阵和相关观测噪声
3.4 仿真
3.5 本章小结
第4章 非线性系统的最优和自校正加权观测融合UKF滤波器
4.1 多传感器加权观测融合UKF滤波器
4.1.1 集中式观测融合UKF滤波器
4.1.2 加权观测融合UKF滤波器
4.1.3 加权观测融合UKF滤波器与集中式观测融合UKF滤波器在数值上的完全等价性
4.2 自校正加权观测融合UKF滤波器
4.2.1 噪声方差的估计算法
4.2.2 基于Sage-Husa估计的Qw估计算法
4.2.3 多传感器加权观测融合自校正UKF滤波器
4.3 仿真例子
4.4 本章小结
第5章 基于Taylor级数逼近的非线性系统加权观测融合估计理论
5.1 基于Taylor级数逼近的非线性系统加权观测融合算法
5.2 基于Taylor级数逼近的非线性系统加权观测融合UKF（WMF-UKF）滤波算法
5.2.1 基于Taylor级数逼近的非线性系统WMF-UKF滤波算法
5.2.2 WMF-UKF的渐近最优性
5.2.3 WMF-UKF的计算量分析
5.3 基于Taylor级数逼近的非线性系统加权观测融合CKF（WMF-CKF）滤波算法
5.3.1 基于Taylor级数逼近的非线性系统WMF-CKF滤波算法
5.3.2 WMF-CKF的渐近最优性
5.3.3 WMF-CKF的计算量分析
5.4 基于Taylor级数逼近的非线性系统加权观测融合PF（WMF-PF）滤波算法
5.4.1 基于Taylor级数逼近的非线性系统WMF-PF滤波算法
5.4.2 WMF-PF的渐近最优性
5.4.3 WMF-PF的计算量分析
5.5 WMF-UKF、WMF-CKF和WMF-PF的比较分析
5.6 仿真研究
5.7 本章小结
第6章 基于Gauss-Hermite逼近的非线性系统加权观测融合估计算法
6.1 基于Gauss-Hermite逼近的非线性系统加权观测融合（WMF）算法
6.1.1 Gauss-Hermite逼近
6.1.2 基于Gauss-Hermite逼近的非线性系统WMF算法
6.2 基于Gauss-Hermite逼近的非线性系统加权观测融合UKF（WMF-UKF）滤波算法
6.2.1 基于Gauss-Hermite逼近的非线性系统WMF-UKF滤波算法
6.2.2 WMF-UKF的计算量分析
6.3 基于Gauss-Hermite逼近的非线性系统加权观测融合CKF（WMF-CKF）滤波算法
6.3.1 基于Gauss-Hermite逼近的非线性系统WMF-CKF滤波算法
6.3.2 WMF-CKF的计算量分析
6.4 基于Gauss-Hermite逼近的非线性系统加权观测融合PF（WMF-PF）滤波算法
6.4.1 基于Gauss-Hermite逼近的非线性系统WMF-PF滤波算法
6.4.2 WMF-PF的计算量分析
6.5 仿真研究
6.6 本章小结
第7章 噪声相关的非线性系统加权观测融合估计算法
7.1 基于Taylor级数逼近的噪声相关非线性系统WMF-UKF滤波算法
7.1.1 系统噪声和观测噪声的去相关
7.1.2 噪声相关非线性系统WMF-UKF滤波算法
7.2 基于Taylor级数逼近的噪声相关非线性系统WMF-CKF滤波算法
7.3 基于Taylor级数逼近的噪声相关非线性系统WMF-PF滤波算法
7.4 基于Gauss-Hermite逼近的噪声相关非线性系统WMF-UKF滤波算法
7.5 基于Gauss-Hermite逼近的噪声相关非线性系统WMF-CKF滤波算法
7.6 基于Gauss-Hermite逼近的噪声相关非线性系统WMF-PF滤波算法
7.7 仿真研究
7.8 本章小结
第8章 多传感器加权观测融合Kalman滤波器的预测控制算法
8.1 加权观测融合Kalman滤波器的预测控制系统
8.2 加权观测融合预测控制算法
8.3 自校正加权观测融合预测控制算法
8.3.1 带相同观测矩阵和不相关观测噪声的情形
8.3.2 带不同观测矩阵和不相关观测噪声的情形
8.3.3 带不同观测矩阵和相关观测噪声的情形
8.4 仿真
8.4.1 带相同观测矩阵和不相关观测噪声的系统仿真
8.4.2 带不同观测矩阵和不相关观测噪声的系统仿真
8.4.3 带不同观测矩阵和相关观测噪声的系统仿真
8.5 本章小结
参考文献
非线性系统加权观测融合估计理论及其应用是2019年由电子工业出版社出版,作者郝钢。
得书感谢您对《非线性系统加权观测融合估计理论及其应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
