本书介绍粒子滤波器在Kalman滤波框架下的系统参数辨识与状态估计机制。本书聚焦的新型滤波器解决了困绕深度学习强非线性模型参数的收敛性训练、复杂系统随工况变化的模型参数自适应辨识、联邦学习框架中各客户端模型个性化设计、输入输出强非线性动态系统参数自适应更新、工业装备和设备寿命预测等难题。本书对从事信息科学、人工智能、电子信息等领域研究、开发和应用的广大科技工作者具有一定的参考价值，也适合作为相关专业研究生教材。
文成林，男，1963年4月生，博士(后)，二级教授，博士生指导教师。 1986年河南大学数学系本科毕业留校，直到2004年6月调动到杭州电子科技大学，是该校首任特聘教授；2020年1月调动至广东石油化工学院任高层人才特聘教授(二层次)。期间分别在：1993年郑州大学研究生毕业，获硕士学位；1999年西北工业大学控制理论与控制工程专业毕业，获工学博士学位；2002年清华大学控制科学与工程博士后流动站出站。主要研究方向：信息融合与目标检测、故障诊断与主动安全控制、深度学习与优化决策系统、人机混合增强智能与工业认知计算、知识迁移与联邦学习。近年来，已主持承担8项国家自然科学基金（3项重点、1项目重大研究计划），参与承担4项并组织8项国家自然科学基金重点项目等20余项国家或省部级项目，科研经费3000余万元。已发表学术论文300余篇，其中有200余篇/次被SCI/EI收录；出版5部学术专著，教材5部。现为中国电子学会高级会员，中国自动化学会会员，中国自动化学会认知计算与系统专业委员会副主任委员、中国自动化学会粒计算与多尺度分析委员会副主任委员、中国自动化学会过程故障诊断与技术专业委员会委员、中国自动化学会智能控制专业委员会委员、中国智能学会认识与信息处理/智能服务专业委员会唐员。是自动化学报、电子学报和电子与信息学报等期刊编委，曾经多次担任国际会议的委员或分会主席。已培养硕士学位研究生140余人，博士学位毕业生30余人。是浙江省有突出贡献中青年专家（2016），省级特聘教授（2013），浙江省"新世纪151人才工程”第一层次（2008），浙江省优秀博士后（2008），浙江省高等学校中青年学科带头人（2007），浙江省杰出青年科学基金（2006），杭州电子科技大学特聘教授（2004-2010），河南省"555”人才一层次（2003），河南省杰出青年科学基金（2002），河南创新人才工程培养计划（2001）。
第一部分 基 础 篇
第1章 绪论 002
1.1 研究背景及意义 002
1.2 国内外研究现状 003
1.3 本书主要内容与安排 005
参考文献 007
第2章 典型的滤波器设计方法 011
2.1 线性高斯系统状态估计的卡尔曼滤波器设计 011
2.2 非线性高斯系统状态估计的扩展卡尔曼滤波器设计 017
2.3 非线性高斯系统状态估计的无迹卡尔曼滤波器设计 026
2.4 一般系统噪声密度函数下状态估计的粒子滤波器设计 031
2.5 特征函数及其基本性质 038
参考文献 047
第二部分 现 代 篇
第3章 线性状态模型与一维非线性观测模型的特征函数滤波器 050
3.1 引言与存在问题分析 050
3.2 线性状态模型与观测模型组成的非高斯系统描述 051
3.3 非高斯系统状态估计的特征函数滤波器设计 052
3.4 求解滤波器增益向量的性能指标函数设计 053
3.5 求解滤波器增益向量算法 054
3.6 计算机数值仿真 057
3.7 滤波器性能分析 059
3.8 本章小结与存在问题 060
参考文献 060
第4章 线性状态模型与多维非线性观测模型的特征函数滤波器 063
4.1 引言与存在问题分析 063
4.2 线性状态模型与多维非线性观测模型组成的非高斯系统描述 064
4.3 特征函数滤波器设计与目标函数构建 065
4.4 求解特征函数滤波器增益矩阵 067
4.5 计算机数值仿真 069
4.6 本章小结与存在问题 078
参考文献 078
第三部分 现 在 篇
第5章 弱非线性状态模型与强非线性观测模型的特征函数滤波器 080
5.1 引言与存在问题分析 080
5.2 弱非线性状态模型与强非线性观测模型系统描述 081
5.3 非线性特征函数滤波器设计 082
5.4 非线性状态模型的局部线性化 082
5.5 特征函数滤波器增益矩阵求解 084
5.6 计算机数值仿真 088
5.7 本章小结与存在问题 098
参考文献 098
第6章 非线性状态模型与强非线性观测模型的高阶扩维特征函数滤波器 099
6.1 引言与存在问题分析 099
6.2 非线性非高斯系统描述 099
6.3 非线性状态模型的伪线性化表示与隐变量引入 101
6.4 二阶多项式隐变量在全维空间中的线性动态系统建模 104
6.5 非线性观测模型基于二阶泰勒展开的等效描述 105
6.6 非线性系统二阶扩维特征函数滤波器设计 108
6.7 二阶扩维特征函数滤波器的降维实现与性能分析 115
6.8 计算机数值仿真 116
6.9 本章小结与存在问题 119
参考文献 119
第四部分 未 来 篇
第7章 强非线性复杂系统的一型高阶特征函数滤波器设计 122
7.1 引言与存在问题分析 122
7.2 强非线性非高斯系统描述 122
7.3 隐变量引入与强非线性状态模型的伪线性化表示 124
7.4 隐变量线性状态动态建模与状态模型在全维空间中的线性化表示 126
7.5 隐状态变量引入与强非线性观测模型在全维空间中的等效表示 128
7.6 求解系统参数变量 的特征函数滤波器设计 131
7.7 求解系统隐状态变量 的特征函数滤波器设计 135
7.8 求解系统状态预测误差变量 的特征函数滤波器设计 141
7.9 原始系统状态变量 估计值的重构与特征函数滤波器性能分析 144
7.10 本章小结与存在问题 146
参考文献 146
第8章 强非线性复杂系统的二型高阶特征函数滤波器设计 148
8.1 引言与存在问题分析 148
8.2 强非线性非高斯系统描述 148
8.3 强非线性系统的线性化形式描述 149
8.4 基于状态模型和观测模型建模误差双特征函数的滤波器设计 151
8.5 原始系统状态估计值的重构与特征函数滤波器性能分析 159
8.6 本章小结与存在问题 161
参考文献 161
第9章 强非线性复杂系统的三型高阶特征函数滤波器设计 162
9.1 引言与存在问题分析 162
9.2 强非线性非高斯系统描述 162
9.3 强非线性系统的线性化形式描述 163
9.4 高阶隐变量线性状态动态建模与滤波器设计条件设置 164
9.5 隐参数变量 和 的特征函数滤波器设计 167
9.6 扩维状态隐变量 的序贯式特征函数滤波器组设计 170
9.7 系统状态预测误差变量 的序贯式特征函数滤波器设计 174
9.8 原始系统状态变量估计值的重构与滤波器性能分析 182
9.9 本章小结与存在问题 184
参考文献 184
第五部分 应 用 篇
第10章 多传感器状态融合估计的特征函数滤波方法 186
10.1 引言 186
10.2 多传感器非线性观测系统描述 187
10.3 基于CFF的集中式融合方法设计 188
10.4 基于CFF的并行式融合方法设计 190
10.5 基于CFF的序贯式融合方法设计 194
10.6 多参数预测误差模型设计 198
10.7 仿真实验 199
10.8 本章小结与存在问题 206
参考文献 207
第11章 极坐标系与直角坐标系混合环境下的目标跟踪方法 208
11.1 一般线性状态模型多维非线性系统描述 208
11.2 极坐标系与直角坐标系下的动态系统描述 209
11.3 极坐标系与直角坐标系混合环境下的目标跟踪案例 210
参考文献 216
第12章 深度神经网络模型参数自适应辨识方法 217
12.1 引言 217
12.2 神经网络参数常用更新方法 218
12.3 基于CFF的神经网络参数更新方法 223
12.4 稀疏神经网络模型设计 231
12.5 计算机数值仿真实验 233
12.6 本章小结 235
参考文献 235
第13章 设备寿命预测系统参数在线辨识方法 238
13.1 引言 238
13.2 锂电池充放电动态过程建模 239
13.3 电池SOC估计的高阶项扩维建模 241
13.4 仿真实验 245
13.5 本章小结 246
参考文献 247
第14章 超非线性输入输出系统参数在线辨识方法 249
14.1 引言 249
14.2 非线性输入输出系统描述 250
14.3 非线性输入输出系统的状态与观测动态特性建模 250
14.4 基于EKF的非线性输入输出系统参数辨识方法 251
14.5 基于CFF的非线性输入输出系统参数辨识方法 252
14.6 计算机数值仿真实验 257
参考文献 263
书单推荐
