信息融合濾波理論及其應用

定　價：￥48.00

作　者：	鄧自立
出版社：	哈爾濱工業(yè)大學出版社
叢編項：
標　簽：	自動化基礎理論

購買這本書可以去

ISBN：	9787560325095	出版時間：	2007-09-01	包裝：	平裝
開本：	0開	頁數(shù)：	484	字數(shù)：

內(nèi)容簡介

　　《信息融合濾波理論及其應用》用鄧自立教授獨創(chuàng)的現(xiàn)代時間序列分析方法和經(jīng)典Kalman濾波方法提出了信息融合濾波新理論、新方法和新算法，并給出在目標跟蹤系統(tǒng)中的仿真應用。全書共分八章，包括模型參數(shù)和噪聲方差估計、經(jīng)典Kalman濾波、現(xiàn)代時間序列分析方法及其應用、自校正濾波理論及其應用、基于經(jīng)典 Kalman濾波的分布式信息融合濾波理論、基于經(jīng)典Kalman濾波的全局最優(yōu)觀測融合濾波理論及其應用、基于現(xiàn)代時間序列分析方法的信息融合濾波理論、自校正信息融合濾波理論。內(nèi)容新穎，理論嚴謹，并含有大量仿真例子?！缎畔⑷诤蠟V波理論及其應用》可作為高等學校控制科學與技術(shù)、電子科學與技術(shù)、通信與信息系統(tǒng)等專業(yè)的研究生和高年級本科生教材，且對信號處理、控制、通信、航天、導航、制導、目標跟蹤、石油地震勘探、故障診斷、衛(wèi)星測控、GPS 定位、檢測與估計、多傳感器信息融合、機器人等領域的研究人員和工程技術(shù)人員也有重要參考價值。

作者簡介

　　鄧自立，1938年9月生于哈爾濱。1962年畢業(yè)于黑龍江大學數(shù)學系?，F(xiàn)為黑龍江大學自動化系教授、《信息與控制》雜志編委。主要從事現(xiàn)代控制理論和現(xiàn)代時間序列分析的研究。在國內(nèi)外發(fā)表學術(shù)論文300余篇．其中所提出的白噪聲估計理論發(fā)表在自動控制理論國際權(quán)威刊物《Automatica》上。出版專著六部。專著《現(xiàn)代時間序列分析及其應用——建模、濾波、去卷、預報和控制》（1989）將現(xiàn)代控制理論和傳統(tǒng)時間序列分析相結(jié)合開拓一門新興邊緣學科。專著《最優(yōu)濾波理論及其應用》（2000）、《卡爾曼濾波與維納濾波》（2001）、《自校正濾波理論及其應用》（2003）和《最優(yōu)估計理論及其應用》（2005）構(gòu)成現(xiàn)代時間序列分析方法完整的理論體系。曾獲黑龍江省科技進步一等獎、國家科技進步二等獎、教育部科技進步三等獎。曾獲原國家教委和國家科委頒發(fā)的“金馬獎”及全國高等學校先進科技工作者稱號、獲國務院頒發(fā)的政府特殊津貼，被授予黑龍江省優(yōu)秀專家稱號。

圖書目錄

緒論
0.1 最優(yōu)濾波的三種方法論
　O.2 自校正濾波
　0.3 多傳感器最優(yōu)信息融合濾波
　0.4 自校正信息融合濾波
　O.5 信息融合濾波理論內(nèi)容、方法、意義和關鍵技術(shù)
　參考文獻
第1章模型參數(shù)和噪聲方差估計
　1.1 引言
　1.2 多維ARMA模型
　1.3 狀態(tài)空間模型
　1.4 求多維MA模型參數(shù)的Gevers—Wouters算法
　1.5 用Gevers—Wouters算法構(gòu)造.ARMA新息模型
　1.6 遞推最小二乘(RLS)法
　1.7 加權(quán)最小二乘(WLS)法
　1.8 遞推增廣最小二乘(RELS)算法
　1.9 多重RLS算法
　1.10 多維RLS算法
　1.1l 多重和多維RELS算法
　1.12 偏差補償RLS算法
　1.13 遞推輔助變量(RIV)算法
　1.14 基于ARMA新息模型的噪聲方差陣Q和R的估計
　1.15 基于相關方法的噪聲方差陣Q和R的估計
　參考文獻
第2章經(jīng)典Kalman濾波
　2.1 引言
　2.2 射影理論
　2.3 Kalman濾波器和預報器
　2.4 Kalman平滑器
　2.5 白噪聲估值器及其在信號處理中的應用
　2.6 穩(wěn)態(tài)Kalman濾波
　2.7 帶相關噪聲時變系統(tǒng)最優(yōu)Kalman濾波和最優(yōu)白噪聲估值器
　2.8 帶相關噪聲定常系統(tǒng)穩(wěn)態(tài)Kalman濾波和穩(wěn)態(tài)白噪聲估值器
　2.9 基于Kalman濾波的時域Wiener濾波方法
　參考文獻
第3章現(xiàn)代時間序列分析方法及其應用
　3.1 引言
　3.2 統(tǒng)一的穩(wěn)態(tài)最優(yōu)白噪聲估計理論
　3.3 Astrom預報器和Box-Jenkins預報器
　3.4 多通道ARMA信號Wiener濾波器
　3.5 基于ARMA新息模型的穩(wěn)態(tài)Kalman濾波和Wiener濾波
　3.6 統(tǒng)一的Wiener狀態(tài)濾波器
　3.7 廣義系統(tǒng)Wiener狀態(tài)估值器
　3.8 廣義系統(tǒng)降階Wiener狀態(tài)估值器
　3.9 ARMA新息模型與狀態(tài)空間新息模型關系
　參考文獻
第4章自校正濾波理論及其應用
　4.1 引言
　4.2 自校正Kalman估值器及其收斂性
　4.3 自校正白噪聲估值器及其收斂性
　4.4 ARMA信號自校正濾波器和平滑器及其收斂性
　4.5 基于Riccati方程的自校正Kalman濾波器
　參考文獻
第5章基于經(jīng)典Kalman濾波的分布式最優(yōu)信息融合濾波理論
　5.1 三種加權(quán)多傳感器最優(yōu)信息融合準則
　5.2 時變系統(tǒng)多傳感器信息融合Kalman估值器
　5.3 時變系統(tǒng)多傳感器信息融合白噪聲估值器
　5.4 定常系統(tǒng)多傳感器信息融合穩(wěn)態(tài)Kalman估值器和白噪聲估值器
　5.5 帶不同局部動態(tài)模型的時變系統(tǒng)信息融合Kalman估值器
　5.6 帶不同局部模型的定常系統(tǒng)信息融合穩(wěn)態(tài)Kalman估值器
　5.7 帶不同局部模型的多傳感器時變和定常系統(tǒng)最優(yōu)信息融合白噪聲反卷積估值器
　5.8 帶有色觀測噪聲的ARMA信號信息融合Wiener濾波器
　參考文獻
第6章基于經(jīng)典Kalman濾波的全局最優(yōu)觀測融合濾波理論及其應用
　6.1 引言
　6.2 在信息濾波器形式下的Kalman濾波器
　6.3 帶相同觀測陣和不相關觀測噪聲的一種加權(quán)觀測融合Kalman濾波器的功能等價性
　6.4 帶不同觀測陣和不相關觀測噪聲的兩種加權(quán)觀測融合Kalman濾波算法的功能等價性
　6.5 帶相同觀測陣和相關觀測噪聲的兩種加權(quán)觀測融合Kalman濾波算法
　6.6 帶不同觀測陣和相關觀測噪聲的兩種加權(quán)觀測融合Kalman濾波算法
　6.7 應用于多傳感器加權(quán)觀測融合信號估計問題
　6.8 帶相同觀測陣和相關噪聲的加權(quán)觀測融合Kalman濾波算法
　參考文獻
第7章基于現(xiàn)代時間序列分析方法的分布式最優(yōu)信息融合濾波理論
　7.1 帶不同局部模型多傳感器系統(tǒng)信息融合白噪聲反卷積估值器
　7.2 多傳感器多通道ARMA信號信息融合Wiener濾波器
　7.3 多傳感器信息融合Wiener狀態(tài)估值器
　7.4 基于ARMA新息模型的穩(wěn)態(tài)Kalman融合器和白噪聲反卷積融合器
　7.5 帶多層融合結(jié)構(gòu)的廣義系統(tǒng)解耦Kalman融合器
　7.6 廣義系統(tǒng)Wiener狀態(tài)融合器
　參考文獻
第8章自校正信息融合濾波理論
　8.1 引言
　8.2 自校正解耦融合Kalman估值器和Wiener狀態(tài)估值器及收斂性分析
　8.3 基于Riccati方程的自校正融合Kalman估值器及收斂性
　8.4 自校正加權(quán)觀測融合Kalman濾波器及收斂性
　8.5 基于MA新息模型的自校正觀測融合Kalman估值器及其收斂性
　參考文獻