網(wǎng)站首頁(yè) > 圖書 > 電路/工程
目標(biāo)跟蹤系統(tǒng)中的濾波方法
| 定價(jià)： | ￥ 27 | ||
| 作者： | 陳金廣 著 | ||
| 出版： | 西安電子科技大學(xué)出版社 | ||
| 書號(hào)： | 9787560630748 | ||
| 語(yǔ)言： | 簡(jiǎn)體中文 | ||
| 日期： | 2013-08-01 | ||
| 版次： | 1 | 頁(yè)數(shù)： | 203 |
| 開本： | 16開 | 查看： | 0次 |
| 服務(wù)商城 | 客服電話 | 配送服務(wù) | 優(yōu)惠價(jià) | 購(gòu)買 |
 | 400-711-6699 | 滿29至69元，免運(yùn)費(fèi)！ | ￥23.9 |  |
《目標(biāo)跟蹤系統(tǒng)中的濾波方法》內(nèi)容屬于信息融合研究領(lǐng)域。針對(duì)多條件下目標(biāo)跟蹤系統(tǒng)中的濾波方法，本書結(jié)合近年來(lái)國(guó)內(nèi)外研究熱點(diǎn)進(jìn)行論述，內(nèi)容較為新穎。具體內(nèi)容包括：卡爾曼濾波和非線性系統(tǒng)濾波、粒子濾波、等式狀態(tài)約束條件下的濾波、自適應(yīng)卡爾曼濾波及其融合、無(wú)序量測(cè)條件下的濾波、網(wǎng)絡(luò)丟包條件下的濾波、RTS平滑及其分段融合以及非線性濾波算法在目標(biāo)跟蹤中的應(yīng)用等。
《目標(biāo)跟蹤系統(tǒng)中的濾波方法》可供電子信息、自動(dòng)化、計(jì)算機(jī)應(yīng)用、控制科學(xué)與工程、信號(hào)處理、導(dǎo)航與制導(dǎo)等相關(guān)專業(yè)高年級(jí)本科生和研究生，以及相關(guān)領(lǐng)域的工程技術(shù)人員和研究人員參考。
第1章 緒論
1.1 濾波方法在目標(biāo)跟蹤系統(tǒng)中的地位和作用
1.2 狀態(tài)估計(jì)和融合方法的研究進(jìn)展及現(xiàn)狀
1.2.1 信息融合技術(shù)
1.2.2 目標(biāo)跟蹤技術(shù)
1.2.3 狀態(tài)估計(jì)技術(shù)
1.2.4 估計(jì)融合技術(shù)
1.3 目標(biāo)跟蹤濾波性能評(píng)價(jià)準(zhǔn)則
1.3.1 單目標(biāo)跟蹤濾波性能評(píng)價(jià)準(zhǔn)則
1.3.2 多目標(biāo)跟蹤濾波性能評(píng)價(jià)準(zhǔn)則
1.3.3 時(shí)間復(fù)雜度評(píng)價(jià)準(zhǔn)則
1.4 本書內(nèi)容安排
參考文獻(xiàn)
第2章 卡爾曼濾波和非線性系統(tǒng)濾波方法
2.1 引言
2.2 卡爾曼濾波算法
2.2.1 狀態(tài)空間模型
2.2.2 最優(yōu)濾波方程
2.2.3 卡爾曼濾波
2.3 擴(kuò)展卡爾曼濾波算法
2.3.1 泰勒級(jí)數(shù)展開
2.3.2 擴(kuò)展卡爾曼濾波
2.4 不敏卡爾曼濾波算法
2.4.1 不敏變換
2.4.2 不敏卡爾曼濾波
2.5 積分卡爾曼濾波算法
2.5.1 高斯厄米特積分準(zhǔn)則
2.5.2 積分卡爾曼濾波
2.6 容積卡爾曼濾波算法
2.6.1 球面徑向規(guī)則
2.6.2 容積卡爾曼濾波
2.7 傅立葉厄米特卡爾曼濾波算法
2.7.1 傅立葉厄米特級(jí)數(shù)展開
2.7.2 傅立葉厄米特卡爾曼濾波
2.8 中心差分卡爾曼濾波算法
2.8.1 Stirling插值公式
2.8.2 中心差分逼近
2.8.3 中心差分卡爾曼濾波
2.9 小結(jié)
參考文獻(xiàn)
第3章 粒子濾波方法
3.1 引言
3.2 貝葉斯濾波
3.3 貝葉斯重要性采樣
3.4 序貫重要性重采樣粒子濾波算法
3.4.1 序貫重要性采樣
3.4.2 序貫重要性采樣問題及策略
3.4.3 序貫重要性重采樣粒子濾波算法步驟
3.5 馬爾可夫鏈蒙特卡羅粒子濾波算法
3.5.1 蒙特卡羅方法
3.5.2 Gibbs采樣
3.5.3 Metropolis算法
3.5.4 馬爾可夫鏈蒙特卡羅粒子濾波算法步驟
3.6 輔助粒子濾波算法
3.7 正則化粒子濾波算法
3.8 邊緣粒子濾波算法
3.8.1 問題描述
3.8.2 邊緣粒子濾波算法步驟
3.8.3 Model1：對(duì)角模型
3.8.4 Model2：三角模型
3.8.5 Model3：一般模型
3.9 擴(kuò)展卡爾曼粒子濾波算法
3.9.1 局部線性化
3.9.2 擴(kuò)展卡爾曼粒子濾波算法步驟
3.1 0高斯和粒子濾波算法
3.1 0.1 問題描述
3.1 0.2 高斯噪聲條件下的高斯和粒子濾波算法
3.1 0.3 非高斯噪聲與高斯混合模型
3.1 0.4 非高斯噪聲條件下的高斯和粒子濾波算法
3.1 l小結(jié)
參考文獻(xiàn)
第4章 等式狀態(tài)約束條件下的濾波方法
4.1 引言
4.2 線性狀態(tài)約束方法
4.2.1 模型降階
4.2.2 最佳量測(cè)
4.2.3 估計(jì)投影
4.2.4 具有不等式約束的估計(jì)投影
4.2.5 增益投影
4.2.6 概率密度函數(shù)截?cái)?/div>
4.2.7 系統(tǒng)投影
4.2.8 軟約束
4.2.9 仿真實(shí)驗(yàn)
4.3 非線性狀態(tài)約束方法
4.3.1 二階項(xiàng)展開
4.3.2 平滑約束卡爾曼濾波
4.3.3 水平滑動(dòng)估計(jì)
4.3.4 不敏卡爾曼濾波
4.3.5 內(nèi)點(diǎn)方法
4.3.6 粒子濾波方法
4.4 線性等式狀態(tài)約束條件下的粒子濾波算法
4.4.1 問題描述
4.4.2 算法描述及步驟
4.4.3 仿真實(shí)驗(yàn)及結(jié)果分析
4.5 非線性等式狀態(tài)約束條件下的濾波算法
4.5.1 問題描述
4.5.2 基于uT變換的最佳量測(cè)值方法
4.5.3 基點(diǎn)誤差降低方法
4.5.4 仿真實(shí)驗(yàn)及結(jié)果分析
4.6 小結(jié)
參考文獻(xiàn)
第5章 自適應(yīng)卡爾曼濾波及融合方法
5.1 引言
5.2 擴(kuò)展遺忘因子遞推最小二乘算法
5.2.1 問題描述
5.2.2 擴(kuò)展遞推最小二乘算法
5.2.3 擴(kuò)展遺忘因子遞推最小二乘算法
5.3 變分貝葉斯自適應(yīng)卡爾曼濾波算法
5.3.1 問題描述
5.3.2 基于變分貝葉斯近似的自適應(yīng)卡爾曼濾波·
5.4 雙重迭代的VB-AKF算法
5.4.1 算法過程
5.4.2 仿真實(shí)驗(yàn)及結(jié)果分析
5.5 基于VB-AKF的集中式融合方法
5.5.1 基于VB-AKF的擴(kuò)維集中式融合算法
5.5.2 基于VB-AKF的序貫集中式融合算法
5.5.3 對(duì)一些參數(shù)初始化的討論
5.5.4 仿真實(shí)驗(yàn)及結(jié)果分析
5.6 小結(jié)
參考文獻(xiàn)
第6章 無(wú)序量測(cè)條件下的濾波方法
6.1 引言
6.2 問題描述
6.3 單步滯后無(wú)序量測(cè)算法
6.3.1 回溯狀態(tài)
6.3.2 具有無(wú)序量測(cè)狀態(tài)估計(jì)的最優(yōu)更新過程
6.3.3 A1算法
6.3.4 次優(yōu)算法B1和C1
6.3.5 B1和C1算法的均方誤差
6.4 基于UT變換的單步滯后無(wú)序量測(cè)算法
6.4.1 用UT變換解決單步滯后OOSM
6.4.2 單步滯后OOSM多傳感器量測(cè)融合方法
6.5 仿真實(shí)驗(yàn)及結(jié)果分析
6.5.1 實(shí)驗(yàn)?zāi)Ｐ?/div>
6.5.2 仿真結(jié)果及分析
6.6 小結(jié)
參考文獻(xiàn)
第7章 網(wǎng)絡(luò)丟包條件下的濾波方法
7.1 引言
7.2 噪聲不相關(guān)時(shí)不變系統(tǒng)中網(wǎng)絡(luò)丟包條件下的濾波算法
7.2.1 問題描述
7.2.2 算法推導(dǎo)及過程
7.3 噪聲相關(guān)時(shí)變系統(tǒng)中網(wǎng)絡(luò)丟包條件下的濾波算法
7.3.1 問題描述
7.3.2 算法推導(dǎo)及過程
7.4 非線性系統(tǒng)中網(wǎng)絡(luò)丟包條件下的濾波算法
7.4.1 問題描述
7.4.2 算法推導(dǎo)及過程
7.4.3 仿真實(shí)驗(yàn)及結(jié)果分析
7.5 小結(jié)
參考文獻(xiàn)
第8章 RTs平滑及分段融合方法
8.1 引言
8.2 RTS平滑算法
8.2.1 卡爾曼濾波RTS平滑
8.2.2 高斯RTs平滑算法的通用形式
8.2.3 不敏卡爾曼濾波RTS平滑
8.2.4 高斯厄米特RTS平滑算法
8.2.5 容積卡爾曼濾波RTS平滑
8.3 基于分段RTs平滑的凸組合航跡融合算法
8.3.1 分段RTS平滑算法
8.3.2 算法描述及分析
8.3.3 仿真實(shí)驗(yàn)及結(jié)果分析
8.4 小結(jié)
參考文獻(xiàn)
第9章 非線性濾波算法在目標(biāo)跟蹤中的應(yīng)用
9.1 基于高斯粒子濾波的機(jī)載GMTI雷達(dá)跟蹤
9.1.1 概述
9.1.2 機(jī)載GMTI雷達(dá)
9.1.3 算法描述及步驟
9.1.4 仿真實(shí)驗(yàn)及結(jié)果分析
9.2 基于邊緣粒子濾波的目標(biāo)跟蹤算法
9.2.1 概述
9.2.2 問題描述
9.2.3 算法描述及步驟
9.2.4 仿真實(shí)驗(yàn)及結(jié)果分析
9.3 基于求積分卡爾曼濾波的交互式多模型算法
9.3.1 概述
9.3.2 求積分卡爾曼濾波
9.3.3 算法描述及步驟
9.3.4 仿真實(shí)驗(yàn)及結(jié)果分析
9.4 小結(jié)
參考文獻(xiàn)
第10章 數(shù)學(xué)預(yù)備知識(shí)
10.1 向量和矩陣
10.1.1 向量的有關(guān)概念
10.1.2 矩陣運(yùn)算
10.1.3 矩陣的特征值與特征向量
10.1.4 逆矩陣
10.1.5 矩陣求逆引理
10.1.6 正定矩陣和半正定矩陣
10.1.7 矩陣的奇異值分解
10.1.8 向量與矩陣的微分運(yùn)算
10.1.9 雅可比矩陣和Hessian矩陣
10.2 隨機(jī)變量、隨機(jī)向量和隨機(jī)過程
10.2.1 隨機(jī)變量的函數(shù)及其分布
10.2.2 隨機(jī)變量的數(shù)字特征
10.2.3 隨機(jī)向量
10.2.4 多元高斯分布
10.2.5 隨機(jī)過程
參考文獻(xiàn)
射頻器件選型工具：射頻連接器 轉(zhuǎn)接器/旋轉(zhuǎn)關(guān)節(jié) 隔直器/偏置器 負(fù)載/終端 衰減器 功分器/合路器 耦合器/電橋/巴倫 波同轉(zhuǎn)換器 連接波導(dǎo) 喇叭天線 力矩扳手
中國(guó)電子儀器行業(yè)協(xié)會(huì) 會(huì)員單位 中國(guó)電子學(xué)會(huì)微波分會(huì)、天線 分會(huì)、雷達(dá)協(xié)會(huì) 合作網(wǎng)站Copyright ? 2007-2023 深圳頻優(yōu)微波有限公司 版權(quán)所有 All Rights Reserved. 頻段/同軸/波導(dǎo)/法蘭類型查詢 始創(chuàng)于2007年 微波射頻網(wǎng) - 射頻產(chǎn)學(xué)研技術(shù)交流平臺(tái) | 推動(dòng)5G/6G無(wú)線通信、微波射頻、衛(wèi)星、雷達(dá)、射頻芯片行業(yè)協(xié)同創(chuàng)新
粵公網(wǎng)安備 44030902003195號(hào) 粵ICP備11063816號(hào)