本书以经典Kalman滤波、经典时间序列分析、系统辨识、多传感器信息融合四门学科的相互渗透作为方法论,主要解决模型参数估计、状态或信号估计、多传感器信息融合估计、自校正状态或信号估计、自校正信息融合状态或信号估计五类估计问题。除了重点介绍模型参数的最小二乘法估计和经典Kalman滤波理论外,还系统介绍了白噪声估计理论、最优滤波的现代时间序列分析方法、多传感器信息融合滤波理论、自校正滤波与信息融合滤波理论等新方法和新理论。书中以目标跟踪系统滤波为应用背景,给出了大量仿真应用例子,并对多种最小二乘法参数估计算法给出大量数值仿真例子,并给出Matlab仿真程序清单。
更多科学出版社服务,请扫码获取。
目录
第二版前言
第一版前言
绪论1
0.1估计理论的发展过程和估计问题的分类1
0.2模型参数估计问题2
0.3时问序列、信号、状态估计问题3
0.4信息融合估计问题8
0.5自校正状态与信号估计问题10
0.6自校正状态与信号信息融合估计问题11
参考文献13
第1章ARMA模型与状态空间模型14
引言14
1.2随机过程15
1.3自回归滑动平均模型24
ARMA过程的展式30
5ARMA过程的相关雨数35
6状态空间模型43
习题52
参考文献54
第2章最小二乘法参数估计55
2.1引言55
2.2递推最小二乘法57
2.3加权最小二乘法67
2.4递推增广最小二乘法71
2.5两段RLSRELS算法——改进的RELS算法74
2.6两段RI}SI}S算法80
2.7递推辅助变量算法及其收敛性87
2.8偏差补偿递推最小二乘法93
2.9多重RLS算泫101
2.10多维RLS算法103
习题109
参考文献111
第3章状态与信号的最优估计——经典Kalman滤波与时域Wiener滤波113
3.1引言113
3.2射影理论120
3.3Kalman滤波器和预报器126
3.4Kalman平滑器134
3.5自噪声估值器138
3.6信息滤波器146
3.7稳态Kalman滤波148
3.8基于Kalman滤波的时域Wiener滤波方法158
3.9平稳和非平稳向量ARMA过程的BoxJenkins递推预报器168
3.10ARMA过程的Astrom预报器171
习题175
参考文献178
第4章多传感器最优信息融合估计Kalman滤波方法181
4.1引言181
4.2三种加权多传感器最优信息融合准则183
4.3多传感器信息融合Kalman滤波器和预报器194
4.4多传感器信息融合稳态Kalman滤波器和预报器200
4.5分布式信息融合ARMA信号Wiener滤波器208
4.6加权观测融合Kalman滤波器217
4.7加权观测融合Wiener信号滤波器223
4.8带不同观测阵的两种加权观测融合Kalman滤波器的动能等价性227
习题233
参考文献235
第5章状态与信号的最优估计——现代时间序列分析方法导论237
5.1引言237
5.2构造ARMA新息模型的GeversWouters算法239
5.3统的稳态最优自噪声估计理论249
5.4多通道ARMA信号Wiener滤波器258
5.5基于ARMA新息模型的稳态Kalman滤波器和预报器263
习题275
参考文献279
第6章多传感器最优信息融合估计——现代时间序列分析方法283
6.1引言283
6.2多传感器信息融合自噪声反卷积估值器283
6.3多通道ARMA信号信息融合Wiener滤波器289
6.4信息融合稳态Kalman滤波器和预报器298
6.5加权观测融合稳态Kalman滤波器303
6.6加权观测融合Wiener信号滤波器311
习题317
参考文献319
第7章自校正估计与自校正信息融合估计320
7.1引言320
7.2自校正d跟踪滤波器323
7.3自校正对角阵加权信息融合Kalman滤波器及其收敛性分析330
7.4自校正加权观测融合Kalman滤波器311
7.5多变量ARMA信号自校正滤波器352
7.6自校正信号检测数宁滤波器361
习题364
参考文献365
附录1稳态Kalman滤波算法Matlab仿真通式367
附录2三种加权信息融合算法Matlab仿真通式368
附录3构造ARMA新息模型的GeversWouters算法Matlab仿真通式369
附录4RLSRELS算法Matlab仿真通式370
附录5RELS算法Matlab仿真通式371