自然科学总论 类型
可以朗读 语音朗读
127千字 字数
2019-08-01 发行日期
展开全部

主编推荐语

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。

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
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。