定 價(jià)：59.8 元
叢書名：普通高等教育“十一五”國家級規(guī)劃教材
- 作者：鄧自立，王欣，高媛編著
- 出版時(shí)間：2016/2/22
- ISBN：9787030471741
- 出 版 社：科學(xué)出版社
- 中圖法分類：N945.12
- 頁碼：384
- 紙張：24
- 版次：1
- 開本：16K
本書以經(jīng)典Kalman濾波、經(jīng)典時(shí)間序列分析、系統(tǒng)辨識(shí)、多傳感器信息融合四門學(xué)科的相互滲透作為方法論，主要解決模型參數(shù)估計(jì)、狀態(tài)或信號(hào)估計(jì)、多傳感器信息融合估計(jì)、自校正狀態(tài)或信號(hào)估計(jì)、自校正信息融合狀態(tài)或信號(hào)估計(jì)五類估計(jì)問題。除了重點(diǎn)介紹模型參數(shù)的最小二乘法估計(jì)和經(jīng)典Kalman濾波理論外，還系統(tǒng)介紹了白噪聲估計(jì)理論、最優(yōu)濾波的現(xiàn)代時(shí)間序列分析方法、多傳感器信息融合濾波理論、自校正濾波與信息融合濾波理論等新方法和新理論。書中以目標(biāo)跟蹤系統(tǒng)濾波為應(yīng)用背景，給出了大量仿真應(yīng)用例子，并對多種最小二乘法參數(shù)估計(jì)算法給出大量數(shù)值仿真例子，并給出Matlab仿真程序清單。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目錄
第二版前言
第一版前言
緒論1
0.1估計(jì)理論的發(fā)展過程和估計(jì)問題的分類1
0.2模型參數(shù)估計(jì)問題2
0.3時(shí)問序列、信號(hào)、狀態(tài)估計(jì)問題3
0.4信息融合估計(jì)問題8
0.5自校正狀態(tài)與信號(hào)估計(jì)問題10
0.6自校正狀態(tài)與信號(hào)信息融合估計(jì)問題11
參考文獻(xiàn)13
第1章ARMA模型與狀態(tài)空間模型14
引言14
1.2隨機(jī)過程15
1.3自回歸滑動(dòng)平均模型24
ARMA過程的展式30
5ARMA過程的相關(guān)雨數(shù)35
6狀態(tài)空間模型43
習(xí)題52
參考文獻(xiàn)54
第2章最小二乘法參數(shù)估計(jì)55
2.1引言55
2.2遞推最小二乘法57
2.3加權(quán)最小二乘法67
2.4遞推增廣最小二乘法71
2.5兩段RLSRELS算法——改進(jìn)的RELS算法74
2.6兩段RI}SI}S算法80
2.7遞推輔助變量算法及其收斂性87
2.8偏差補(bǔ)償遞推最小二乘法93
2.9多重RLS算泫101
2.10多維RLS算法103
習(xí)題109
參考文獻(xiàn)111
第3章狀態(tài)與信號(hào)的最優(yōu)估計(jì)——經(jīng)典Kalman濾波與時(shí)域Wiener濾波113
3.1引言113
3.2射影理論120
3.3Kalman濾波器和預(yù)報(bào)器126
3.4Kalman平滑器134
3.5自噪聲估值器138
3.6信息濾波器146
3.7穩(wěn)態(tài)Kalman濾波148
3.8基于Kalman濾波的時(shí)域Wiener濾波方法158
3.9平穩(wěn)和非平穩(wěn)向量ARMA過程的BoxJenkins遞推預(yù)報(bào)器168
3.10ARMA過程的Astrom預(yù)報(bào)器171
習(xí)題175
參考文獻(xiàn)178
第4章多傳感器最優(yōu)信息融合估計(jì)Kalman濾波方法181
4.1引言181
4.2三種加權(quán)多傳感器最優(yōu)信息融合準(zhǔn)則183
4.3多傳感器信息融合Kalman濾波器和預(yù)報(bào)器194
4.4多傳感器信息融合穩(wěn)態(tài)Kalman濾波器和預(yù)報(bào)器200
4.5分布式信息融合ARMA信號(hào)Wiener濾波器208
4.6加權(quán)觀測融合Kalman濾波器217
4.7加權(quán)觀測融合Wiener信號(hào)濾波器223
4.8帶不同觀測陣的兩種加權(quán)觀測融合Kalman濾波器的動(dòng)能等價(jià)性227
習(xí)題233
參考文獻(xiàn)235
第5章狀態(tài)與信號(hào)的最優(yōu)估計(jì)——現(xiàn)代時(shí)間序列分析方法導(dǎo)論237
5.1引言237
5.2構(gòu)造ARMA新息模型的GeversWouters算法239
5.3統(tǒng)的穩(wěn)態(tài)最優(yōu)自噪聲估計(jì)理論249
5.4多通道ARMA信號(hào)Wiener濾波器258
5.5基于ARMA新息模型的穩(wěn)態(tài)Kalman濾波器和預(yù)報(bào)器263
習(xí)題275
參考文獻(xiàn)279
第6章多傳感器最優(yōu)信息融合估計(jì)——現(xiàn)代時(shí)間序列分析方法283
6.1引言283
6.2多傳感器信息融合自噪聲反卷積估值器283
6.3多通道ARMA信號(hào)信息融合Wiener濾波器289
6.4信息融合穩(wěn)態(tài)Kalman濾波器和預(yù)報(bào)器298
6.5加權(quán)觀測融合穩(wěn)態(tài)Kalman濾波器303
6.6加權(quán)觀測融合Wiener信號(hào)濾波器311
習(xí)題317
參考文獻(xiàn)319
第7章自校正估計(jì)與自校正信息融合估計(jì)320
7.1引言320
7.2自校正d跟蹤濾波器323
7.3自校正對角陣加權(quán)信息融合Kalman濾波器及其收斂性分析330
7.4自校正加權(quán)觀測融合Kalman濾波器311
7.5多變量ARMA信號(hào)自校正濾波器352
7.6自校正信號(hào)檢測數(shù)寧濾波器361
習(xí)題364
參考文獻(xiàn)365
附錄1穩(wěn)態(tài)Kalman濾波算法Matlab仿真通式367
附錄2三種加權(quán)信息融合算法Matlab仿真通式368
附錄3構(gòu)造ARMA新息模型的GeversWouters算法Matlab仿真通式369
附錄4RLSRELS算法Matlab仿真通式370
附錄5RELS算法Matlab仿真通式371
書單推薦
