內容簡介
本書以經典Kalman濾波、經典時間序列分析、系統辨識、多感測器信息融合四門學科的相互滲透作為方法論，主要解決模型參數估計、狀態或信號估計、多感測器信息融合估計、自校正狀態或信號估計、自校正信息融合狀態或信號估計五類估計問題。除了重點介紹模型參數的最小二乘法估計和經典Kalman濾波理論外，還系統介紹了白噪聲估計理論、最優濾波的現代時間序列分析方法、多感測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。書中以目標跟蹤系統濾波為套用背景，給出大量仿真套用例子，並對多種最小二乘法參數估計算法給出大量數值仿真例子，並給出Matlab仿真程式清單。
本書可作為高等學校控制科學與技術、電子科學與技術、通信與信息系統等專業的高年級本科生和研究生教材，且對信號處理、控制、通信、航天、制導、目標跟蹤、石油地震勘探、故障診斷、衛星測控、GPS定位、檢測與估計、多感測器信息融合、機器人、生物醫學等領域的研究人員和工程技術人員具有重要的參考價值。
目錄
前言
緒論
O.1 估計理論的發展過程和估計問題的分類
0.2 模型參數估計問題
O.3 時間序列、信號、狀態估計問題
O.4 信息融合估計問題
o.5 自校正狀態與信號估計問題
O.6 自校正狀態與信號信息融合估計問題
參考文獻
第1章 ARMA模型與狀態空間模型
1.1 引言
1.2 隨機過程
1.3自回歸滑動平均模型
1.4 ARMA過程的展式
1.5 ARMA過程的相關函式
1.6 狀態空間模型
習題
參考文獻
第2章 最小二乘法參數估計
2.1 引言
2.2 遞推最小二乘法
2.3加權最小二乘法
2.4 遞推增廣最小二乘法
2.5 兩段RLS-rels算法——改進的RELS算法
2.6 兩段RLS-LS算法
2.7 遞推輔助變數算法及其收斂性
2.8 偏差補償遞推最小二乘法
2.9 多重RLS算法
2.10 多維RLS算法
習題
參考文獻
第3章 狀態與信號的最優估計——經典Kalman濾波與時域Wiener濾波
3.1 引言
3.2 射影理論
3.3 Kalrnan濾波器和預報器
3.4 Kalman平滑器
3.5 白噪聲估值器
3.6信息濾波器
3.7 穩態Kalman濾波
3.8 基於Kalrnatl濾波的時域wiener濾波方法
習題
參考文獻
第4章 多感測器最優信息融合估計——Kalman濾波方法
4.1 引言
4.2 三種加權多感測器最優信息融合準則
4.3 多感測器信息融合KalInan濾波器和預報器
4.4 多感測器信息融合穩態Kalman濾波器和預報器
4.5 分散式信息融合ARMA信號wiener濾波器
4.6 加權觀測融合Kalman濾波器
4.7 加權觀測融合wiener信號濾波器
4.8 帶不同觀測陣的兩種加權觀測融合Kalman濾波器的功能等價性
習題
參考文獻
第5章 狀態與信號的最優估計——現代時間序列分析方法導論
5.1 引言
5.2 構造ARMA新息模型的Gevers-Wouters算法
5.3 統一的穩態最優白噪聲估計理論
5.4 多通道ARMA信號wiener濾波器
5.5 基於ARMA新息模型的穩態Kalmal，濾波器和預報器
習題
參考文獻
第6章 多感測器最優信息融合估計——現代時間序列分析方法
6.1 引言
第7章 自校正估計與自校正信息融合估計
附錄1 穩態Kalman濾波算法Matlab仿真通式
附錄2 三種加權信息融合算法Matlab仿真通式
附錄3 構造ARMA新息模型的Gevers-Wouers算法Matlab仿真通式
附錄4 RLS-RELS算法Matlab仿真通式
附錄5 RELS算法Matlab仿真通式
