非線(xiàn)性動(dòng)態(tài)系統(tǒng)確定采樣型估計(jì)理論

《博士后文庫(kù)》序言前言第1章 緒論1.1 估計(jì)理論基礎(chǔ)1.1.1 估計(jì)的定義1.1.2 估計(jì)準(zhǔn)則1.1.3 估計(jì)類(lèi)型1.2 貝葉斯估計(jì)理論1.2.1 最優(yōu)濾波1.2.2 最優(yōu)平滑1.3 貝葉斯估計(jì)的實(shí)現(xiàn)1.3.1 線(xiàn)性動(dòng)態(tài)系統(tǒng)Kalnlan濾波與平滑1.3.2 非線(xiàn)性動(dòng)態(tài)系統(tǒng)估計(jì)的近似解決方案1.4 確定采樣型非線(xiàn)性估計(jì)理論發(fā)展1.4.1 非線(xiàn)性估計(jì)的客觀需求1.4.2 確定采樣型高斯估計(jì)發(fā)展現(xiàn)狀參考文獻(xiàn)第2章 高斯估計(jì)2.1 高斯濾波2.2 高斯平滑2.2.1 固定區(qū)間高斯平滑2.2.2 固定點(diǎn)和固定滯后高斯平滑2.3 高斯混合估計(jì)2.3.1 高斯混合濾波2.3.2 高斯混合平滑2.4 高斯估計(jì)的一般性及確定采樣實(shí)現(xiàn)2.5 高斯估計(jì)的通用性參考文獻(xiàn)第3章 高斯估計(jì)的經(jīng)典確定采樣實(shí)現(xiàn)3.1 一階線(xiàn)性化與EKF3.2 Stirling插值公式與CDKF3.2.1 Stirling插值公式的實(shí)現(xiàn)機(jī)理3.2.2 非線(xiàn)性函數(shù)的兩種逼近策略3.2.3 高斯估計(jì)的CDKF實(shí)現(xiàn)3.3 UT與UKF3.3.1 UT的實(shí)現(xiàn)機(jī)理3.3.2 UT采樣策略選擇依據(jù)3.3.3 UT的采樣策略分類(lèi)3.3.4 UT逼近精度3.3.5 高斯估計(jì)的UKF實(shí)現(xiàn)3.4 CDKF的Sigma點(diǎn)實(shí)現(xiàn)參考文獻(xiàn)第4章 確定采樣高斯估計(jì)的新發(fā)展4.1 高斯一厄米特乘積公式4.2 容積規(guī)則與CKF4.2.1 積分變換4.2.2 球面容積法4.2.3 向心高斯求積法4.2.4 向心球面法4.2.5 高斯估計(jì)的三階CKF實(shí)現(xiàn)4.3 高階容積規(guī)則與高階CKF4.3.1 球面法4.3.2 向心法4.3.3 高斯估計(jì)的高階CKF實(shí)現(xiàn)4.4 稀疏網(wǎng)格與SGQF4.4.1 稀疏網(wǎng)格求積法則4.4.2 基于力矩匹配方法的單變量求積點(diǎn)和權(quán)重選擇4.4.3 基于稀疏網(wǎng)格求積的高維求積點(diǎn)與權(quán)重計(jì)算4.4.4 稀疏網(wǎng)格求積法與UT、GHQ的關(guān)系4.4.5 高斯估計(jì)的SGQF實(shí)現(xiàn)4.4.6 稀疏網(wǎng)格的機(jī)理分析參考文獻(xiàn)第5章 確定采樣高斯估計(jì)的性能評(píng)價(jià)5.1 精度和計(jì)算復(fù)雜度分析5.1.1 UKF5.1.2 CDKF5.1.3 GHQF5.1.4 CKF5.1.5 SGQF5.2 數(shù)值穩(wěn)定性分析參考文獻(xiàn)第6章 噪聲時(shí)空相關(guān)的確定采樣高斯估計(jì)6.1 噪聲空間相關(guān)6.1.1 基于正交矩陣的相關(guān)性解耦策略6.1.2 狀態(tài)兩步預(yù)測(cè)的高斯假設(shè)策略6.1.3 兩類(lèi)噪聲空間相關(guān)高斯濾波框架的異同6.1.4 噪聲空間相關(guān)的高斯平滑6.2 兩類(lèi)噪聲空間相關(guān)高斯濾波的等價(jià)性分析6.2.1 線(xiàn)性系統(tǒng)Kalman濾波的無(wú)條件等價(jià)性證明6.2.2 非線(xiàn)性系統(tǒng)高斯濾波的假設(shè)等價(jià)性證明6.2.3 精度和計(jì)算量定性分析6.3 有色量測(cè)噪聲6.3.1 擴(kuò)維策略6.3.2 量測(cè)差分策略6.3.3 狀態(tài)一步高斯平滑6.3.4 狀態(tài)多步固定區(qū)間高斯平滑6.3.5 計(jì)算量定量分析6.3.6 仿真分析參考文獻(xiàn)第7章 復(fù)雜非線(xiàn)性系統(tǒng)的確定采樣高斯混合估計(jì)7.1 量測(cè)隨機(jī)異常線(xiàn)性系統(tǒng)的最優(yōu)高斯混合濾波7.1.1 量測(cè)隨機(jī)延時(shí)7.1.2 量測(cè)隨機(jī)不確定7.2 量測(cè)隨機(jī)延時(shí)非線(xiàn)性系統(tǒng)的高斯混合濾波7.2.1 量測(cè)噪聲估計(jì)回路7.2.2 狀態(tài)估計(jì)回路7.2.3 高斯混合濾波框架設(shè)計(jì)及確定采樣實(shí)現(xiàn)7.3 量測(cè)隨機(jī)延時(shí)非線(xiàn)性系統(tǒng)的高斯混合平滑7.3.1 狀態(tài)一步平滑7.3.2 狀態(tài)多步平滑7.3.3 高斯分項(xiàng)權(quán)值更新7.3.4 量測(cè)隨機(jī)異常的高斯混合估計(jì)設(shè)計(jì)思路拓展7.4 狀態(tài)時(shí)滯非線(xiàn)性系統(tǒng)的高斯混合濾波7.4.1 擴(kuò)維策略7.4.2 非擴(kuò)維策略7.4.3 計(jì)算復(fù)雜度定量分析7.4.4 高斯分項(xiàng)權(quán)值更新7.5 Markov跳變非線(xiàn)性系統(tǒng)的高斯混合濾波7.5.1 跳變動(dòng)態(tài)模型7.5.2 高斯混合估計(jì)框架設(shè)計(jì)7.5.3 確定采樣實(shí)現(xiàn)7.5.4 仿真分析參考文獻(xiàn)第8章 基于期望最大化的聯(lián)合高斯估計(jì)與系統(tǒng)參數(shù)辨識(shí)8.1 凸函數(shù)和Jessen不等式8.2 期望最大化算法8.2.1 極大似然估計(jì)8.2.2 EM基本原理8.2.3 EM收斂性8.2.4 條件期望與真實(shí)對(duì)數(shù)似然函數(shù)的關(guān)系分析8.3 混合高斯擬合8.3.1 E步期望計(jì)算8.3.2 M步高斯分項(xiàng)權(quán)值、均值和協(xié)方差的解析辨識(shí)8.3.3 數(shù)值仿真8.4 聯(lián)合估計(jì)與辨識(shí)的迭代框架設(shè)計(jì)8.4.1 隱藏?cái)?shù)據(jù)選取一狀態(tài)變量8.4.2 估計(jì)與辨識(shí)的迭代框架8.4.3 全概率轉(zhuǎn)換及EM執(zhí)行關(guān)鍵參考文獻(xiàn)第9章 參數(shù)辨識(shí)的期望最大化一般性執(zhí)行框架9.1 系統(tǒng)參數(shù)辨識(shí)9.1.1 系統(tǒng)參數(shù)的通用優(yōu)化結(jié)果9.1.2 系統(tǒng)乘性參數(shù)的解析辨識(shí)9.1.3 機(jī)動(dòng)目標(biāo)跟蹤的轉(zhuǎn)彎速率解析辨識(shí)9.1.4 仿真分析9.2 加性未知輸入的一階矩辨識(shí)9.2.1 常值未知輸入辨識(shí)9.2.2 時(shí)變未知輸入辨識(shí)9.2.3 線(xiàn)性系統(tǒng)的未知輸入辨識(shí)9.3 量測(cè)隨機(jī)延時(shí)概率辨識(shí)9.3.1 全數(shù)據(jù)似然函數(shù)等價(jià)分解轉(zhuǎn)換9.3.2 基于拉格朗日乘子法的概率初值選取9.4 有色噪聲相關(guān)系數(shù)辨識(shí)9.4.1 E步全數(shù)據(jù)似然概率等價(jià)轉(zhuǎn)化和期望值計(jì)算9.4.2 M步相關(guān)系數(shù)的解析辨識(shí)9.4.3 仿真分析參考文獻(xiàn)附錄Ⅰ 最小方差估計(jì)準(zhǔn)則附錄Ⅱ 線(xiàn)性最小方差估計(jì)附錄Ⅲ 正交投影附錄Ⅳ 矩陣微分運(yùn)算編后記