Kalman濾波理論及其在導(dǎo)航系統(tǒng)中的應(yīng)用

第1章  緒論                  
 1. 1  Kalman濾波理論的應(yīng)用背景                  
 1. 2  Kalman濾波理論基礎(chǔ)                  
 1. 3  Kalman濾波理論的發(fā)展及應(yīng)用                  
 1. 4  本書概貌                  
 第2章  隨機(jī)線性系統(tǒng)Kalman濾波基本方程                  
 2. 1  隨機(jī)線性系統(tǒng)的數(shù)學(xué)模型                  
 2. 1. 1  白噪聲和有色噪聲                  
 2. 1. 2  隨機(jī)線性連續(xù)系統(tǒng)的數(shù)學(xué)模型                  
 2. 1. 3  隨機(jī)線性離散系統(tǒng)的數(shù)學(xué)模型                  
 2. 1. 4  隨機(jī)線性連續(xù)系統(tǒng)的離散化                  
 2. 2  隨機(jī)線性離散系統(tǒng)的Kalman濾波方程                  
 2. 2. 1  預(yù)備知識                  
 2. 2. 2  隨機(jī)線性離散系統(tǒng)的Kalman濾波基本方程                  
 2. 2. 3  隨機(jī)線性離散系統(tǒng)Kalman濾波方程的直觀推導(dǎo)                  
 2. 2. 4  隨機(jī)線性離散系統(tǒng)Kalman濾波方程的投影法推導(dǎo)                  
 2. 3  隨機(jī)線性連續(xù)系統(tǒng)Kalman濾波基本方程                  
 2. 4  隨機(jī)線性離散系統(tǒng)的最優(yōu)預(yù)測與平滑                  
 2. 4. 1  隨機(jī)線性離散系統(tǒng)的最優(yōu)預(yù)測                  
 2. 4. 2  隨機(jī)線性離散系統(tǒng)的最優(yōu)平滑                  
 思考題                  
 第3章  Kalman濾波的穩(wěn)定性及誤差分析                  
 3. 1  穩(wěn)定性的概念                  
 3. 2  隨機(jī)線性系統(tǒng)的可控性與可觀測性                  
 3. 2. 1  隨機(jī)線性系統(tǒng)的可控性                  
 3. 2. 2  隨機(jī)線性系統(tǒng)的可觀測性                  
 3. 3  Kalman濾波穩(wěn)定性的判別                  
 3. 3. 1  隨機(jī)線性系統(tǒng)的濾波穩(wěn)定性判別                  
 3. 3. 2  特定條件系統(tǒng)的濾波穩(wěn)定性判別                  
 3. 4  Kalman濾波的誤差分析                  
 3. 5  幾種可觀測性分析方法及在慣導(dǎo)中的應(yīng)用                  
 思考題                  
 第4章  實用Kalman濾波技術(shù)                  
 4. 1  噪聲非標(biāo)準(zhǔn)假設(shè)條件下的Kalman濾波                  
 4. 1. 1  確定性控制存在時的Kalman濾波                  
 4. 1. 2  白噪聲相關(guān)條件下的Kalman濾波                  
 4. 1. 3  有色噪聲條件下的Kalman濾波                  
 4. 2  Kalman濾波發(fā)散的抑制                  
 4. 2. 1  Kalman濾波中的發(fā)散現(xiàn)象                  
 4. 2. 2  Kalman濾波發(fā)散的抑制                  
 4. 3  隨機(jī)非線性系統(tǒng)的Kalman濾波                  
 4. 3. 1  隨機(jī)非線性離散系統(tǒng)標(biāo)稱狀態(tài)線性化濾波                  
 4. 3. 2  隨機(jī)非線性離散系統(tǒng)擴(kuò)展Kalman濾波                  
 4. 3. 3  擴(kuò)展Kalman濾波在車輛GPS／DR組合定位系統(tǒng)中的應(yīng)用                  
 4. 4  自適應(yīng)濾波                  
 4. 4. 1  相關(guān)法自適應(yīng)濾波                  
 4. 4. 2  GPS／INS組合導(dǎo)航系統(tǒng)自適應(yīng)濾波                  
 4. 5  次優(yōu)濾波                  
 思考題                  
 第5章  線性離散系統(tǒng)的分解濾波                  
 5. 1  非負(fù)定陣的三角形分解                  
 5. 1. 1  矩陣的下三角分解法                  
 5. 1. 2  矩陣的上三角分解法                  
 5. 2  觀測值為標(biāo)量的協(xié)方差平方根濾波                  
 5. 3  信息平方根濾波                  
 5. 3. 1  信息濾波                  
 5. 3. 2  條件極值的求法                  
 5. 3. 3  信息平方根濾波                  
 5. 4  序列平方根濾波                  
 5. 4. 1  觀測向量的序列處理法                  
 5. 4. 2  序列平方根濾波                  
 5. 5  UD分解濾波                  
 5. 5. 1  觀測更新算法                  
 5. 5. 2  時間更新算法                  
 5. 6  奇異值分解最優(yōu)濾波                  
 5. 7  分解濾波在近地衛(wèi)星GPS自主定軌算法中的應(yīng)用                  
 思考題                  
 第6章  魯棒濾波理論                  
 6. 1  系統(tǒng)的不確定性                  
 6. 2  魯棒控制技術(shù)基礎(chǔ)                  
 6. 2. 1  一些基礎(chǔ)知識                  
 6. 2. 2  H∞ 控制的標(biāo)準(zhǔn)設(shè)計問題                  
 6. 2. 3  Hamilton矩陣與H∞標(biāo)準(zhǔn)設(shè)計問題的求解                  
 6. 3  H∞濾波                  
 6. 3. 1  H∞濾波問題的表達(dá)                  
 6. 3. 2  次優(yōu)H∞濾波問題的解                  
 6. 3. 3  H∞濾波器的參數(shù)化                  
 6. 3. 4  GPS／INS全組合導(dǎo)航系統(tǒng)H∞濾波                  
 6. 4  最小方差魯棒濾波                  
 思考題                  
 第7章  Kalman濾波在信息融合技術(shù)中的應(yīng)用                  
 7. 1  信息融合技術(shù)基礎(chǔ)                  
 7. 1. 1  信息融合技術(shù)的產(chǎn)生與發(fā)展                  
 7. 1. 2  信息融合的原理                  
 7. 1. 3  信息融合的方法                  
 7. 1. 4  信息融合研究的關(guān)鍵問題與研究方向                  
 7. 2  各子濾波器估計不相關(guān)條件下的聯(lián)邦濾波算法                  
 7. 3  各子濾波器估計相關(guān)條件下的聯(lián)邦濾波算法                  
 7. 3. 1  信息分配原則與全局最優(yōu)估計                  
 7. 3. 2  聯(lián)邦濾波算法的時間更新                  
 7. 3. 3  聯(lián)邦濾波算法的觀測更新                  
 7. 3. 4  聯(lián)邦濾波器的結(jié)構(gòu)                  
 7. 4  信息融合在車載GPS／DR組合導(dǎo)航系統(tǒng)中的應(yīng)用                  
 思考題                  
 第8章  Kalman濾波在神經(jīng)網(wǎng)絡(luò)技術(shù)中的應(yīng)用                  
 8. 1  神經(jīng)網(wǎng)絡(luò)技術(shù)基礎(chǔ)                  
 8. 1. 1  神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展與應(yīng)用                  
 8. 1. 2  神經(jīng)元模型                  
 8. 1. 3  神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)規(guī)則                  
 8. 2  BP網(wǎng)絡(luò)及其算法                  
 8. 2. I  BP網(wǎng)絡(luò)                  
 8. 2. 2  BP算法                  
 8. 2. 3  BP算法的不足                  
 8. 3  Kalman濾波在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的應(yīng)用                  
 8. 3. 1  GEKF訓(xùn)練算法                  
 8. 3. 2  解耦EKF(DEKF)訓(xùn)練算法                  
 8. 4  各種EKF訓(xùn)練算法的計算考慮                  
 8. 4. 1  微分計算                  
 8. 4. 2  多輸出問題的有效計算公式                  
 8. 5  具有權(quán)值約束的EKF訓(xùn)練算法                  
 8. 6  基于EKF的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法在慣導(dǎo)初始對準(zhǔn)中的應(yīng)用                  
 思考題                  
 附錄                  
 附錄A  隨機(jī)變量與隨機(jī)過程                  
 附錄B  矩陣運(yùn)算的一些公式                  
 附錄C  幾種常見估計方法的比較                  
 參考文獻(xiàn)