最優(yōu)狀態(tài)估計(jì)與系統(tǒng)辨識

第一篇最優(yōu)狀態(tài)估計(jì)
第1章最優(yōu)估計(jì)的基本概念
1.1估計(jì).最優(yōu)估計(jì)和最優(yōu)估計(jì)方法
1.2最小方差估計(jì)
1.3極大似然估計(jì)
1.4極大驗(yàn)后估計(jì)
1.5線性最小方差估計(jì)
1.6最小二乘估計(jì)
1.7各種估計(jì)方法的比較及其關(guān)系
習(xí)題1
第2章線性系統(tǒng)的卡爾曼濾波
2.1引言
2.2卡爾曼濾波問題的提法
2.3線性離散系統(tǒng)的卡爾曼最優(yōu)預(yù)測基本方程
2.4線性離散系統(tǒng)的卡爾曼最優(yōu)濾波
2.5線性連續(xù)系統(tǒng)的卡爾曼最優(yōu)濾波
習(xí)題2
第3章最優(yōu)線性平滑
3.1概述
3.2固定區(qū)間最優(yōu)平滑
3.3固定點(diǎn)最優(yōu)平滑
3.4固定滯后最優(yōu)平滑
習(xí)題3
第4章卡爾曼濾波的穩(wěn)定性
4.1卡爾曼濾波的穩(wěn)定性概念
4.2隨機(jī)線性系統(tǒng)的可控性和可觀測性
4.3濾波誤差方差陣的上.下界
4.4濾波穩(wěn)定性定理的證明
4.5濾波誤差方差陣的漸近性定理
4.6線性定常隨機(jī)系統(tǒng)的濾波穩(wěn)定性
習(xí)題4
第5章濾波的發(fā)散及其克服方法
5.1濾波的發(fā)散問題
5.2漸消記憶(衰減記憶)濾波
5.3限定記憶濾波
5.4自適應(yīng)濾波
5.5平方根濾波
習(xí)題5
第6章非線性濾波
6.1非線性最優(yōu)狀態(tài)估計(jì)問題的提法
6.2圍繞標(biāo)稱軌道線性化的濾波方法
6.3推廣的卡爾曼濾波--圍繞濾波值線性化的濾波方法
6.4迭代濾波
習(xí)題6
第二篇系統(tǒng)辨識
第7章系統(tǒng)辨識的一些基本概念
7.1系統(tǒng)和模型
7.2系統(tǒng)辨識的定義及基本原理
7.3系統(tǒng)辨識的內(nèi)容與步驟
7.4辨識方案和辨識方法
習(xí)題7
第8章脈沖響應(yīng)法和相關(guān)函數(shù)法
8.1脈沖響應(yīng)法
8.2相關(guān)函數(shù)法
8.3局部辨識法
習(xí)題8
第9章最小二乘類辨識方法
9.1最小二乘法
9.2輔助變量法
9.3廣義最小二乘法
9.4增廣矩陣法
9.5相關(guān)函數(shù)--最小二乘相結(jié)合的方法
9.6限定記憶的最小二乘法
習(xí)題9
第10章極大似然法和預(yù)報(bào)誤差法
10.1極大似然法的基本原理
lo.2極大似然法用于動態(tài)系統(tǒng)的參數(shù)估計(jì)
10.3極大似然法的數(shù)值解法
10.4遞推的極大似然法
10.5預(yù)報(bào)誤差法
10.6極大似然估計(jì)的一致性
習(xí)題10
第11章時(shí)間序列模型與隨機(jī)逼近法
11.1時(shí)間序列的建模
11.2隨機(jī)逼近法
11.3遞推算法的收斂性
11.4各種參數(shù)估計(jì)方法的比較
習(xí)題11
第12章多輸入多輸出(MIMO)線性系統(tǒng)的辨識
12.1概述
12.2傳遞函數(shù)矩陣模型的辨識
12.3脈沖響應(yīng)矩陣模型的辨識
12.4狀態(tài)空間模型的辨識
12.5輸入輸出差分方程模型的辨識
12.6當(dāng)采用遞推最小二乘算法時(shí)不同模型參數(shù)估計(jì)的比較
習(xí)題12
第13章閉環(huán)系統(tǒng)辨識
13.1概述
13.2閉環(huán)系統(tǒng)辨識的可辨識性
13.3直接辨識法
13.4間接辨識法
13.5聯(lián)合過程法
習(xí)題13
第14章系統(tǒng)辨識的一些有關(guān)問題
14.1先驗(yàn)知識的利用與辨識方法的選擇
14.2開環(huán)可辨識性問題
14.3最優(yōu)輸入信號及其設(shè)計(jì)
14.4觀測數(shù)據(jù)的采集和預(yù)處理
14.5單輸入單輸出系統(tǒng)的階數(shù)的確定
14.6模型驗(yàn)證
14.7卡爾曼濾波用于參數(shù)估計(jì)
14.8狀態(tài)變量與參數(shù)的聯(lián)合估計(jì)
習(xí)題14
附錄
附錄1向量.矩陣的微分運(yùn)算
附錄2矩陣求逆引理
附錄3正定矩陣及其性質(zhì)
附錄4矩陣許瓦茨不等式
附錄5隨機(jī)變量與隨機(jī)過程的基本概念
附錄6正交定理
附錄7點(diǎn)估計(jì)理論
參考文獻(xiàn)