| 定價： | ￥ 27 | ||
| 作者： | 陳金廣 著 | ||
| 出版： | 西安電子科技大學出版社 | ||
| 書號： | 9787560630748 | ||
| 語言： | 簡體中文 | ||
| 日期： | 2013-08-01 | ||
| 版次： | 1 | 頁數： | 203 |
| 開本： | 16開 | 查看： | 0次 |
| 服務商城 | 客服電話 | 配送服務 | 優惠價 | 購買 |
 | 400-711-6699 | 滿29至69元，免運費！ | ￥23.9 |  |
《目標跟蹤系統中的濾波方法》內容屬于信息融合研究領域。針對多條件下目標跟蹤系統中的濾波方法，本書結合近年來國內外研究熱點進行論述，內容較為新穎。具體內容包括：卡爾曼濾波和非線性系統濾波、粒子濾波、等式狀態約束條件下的濾波、自適應卡爾曼濾波及其融合、無序量測條件下的濾波、網絡丟包條件下的濾波、RTS平滑及其分段融合以及非線性濾波算法在目標跟蹤中的應用等。
《目標跟蹤系統中的濾波方法》可供電子信息、自動化、計算機應用、控制科學與工程、信號處理、導航與制導等相關專業高年級本科生和研究生，以及相關領域的工程技術人員和研究人員參考。
第1章 緒論
1.1 濾波方法在目標跟蹤系統中的地位和作用
1.2 狀態估計和融合方法的研究進展及現狀
1.2.1 信息融合技術
1.2.2 目標跟蹤技術
1.2.3 狀態估計技術
1.2.4 估計融合技術
1.3 目標跟蹤濾波性能評價準則
1.3.1 單目標跟蹤濾波性能評價準則
1.3.2 多目標跟蹤濾波性能評價準則
1.3.3 時間復雜度評價準則
1.4 本書內容安排
參考文獻
第2章 卡爾曼濾波和非線性系統濾波方法
2.1 引言
2.2 卡爾曼濾波算法
2.2.1 狀態空間模型
2.2.2 最優濾波方程
2.2.3 卡爾曼濾波
2.3 擴展卡爾曼濾波算法
2.3.1 泰勒級數展開
2.3.2 擴展卡爾曼濾波
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 傅立葉厄米特級數展開
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
參考文獻
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：對角模型
3.8.4 Model2：三角模型
3.8.5 Model3：一般模型
3.9 擴展卡爾曼粒子濾波算法
3.9.1 局部線性化
3.9.2 擴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
參考文獻
第4章 等式狀態約束條件下的濾波方法
4.1 引言
4.2 線性狀態約束方法
4.2.1 模型降階
4.2.2 最佳量測
4.2.3 估計投影
4.2.4 具有不等式約束的估計投影
4.2.5 增益投影
4.2.6 概率密度函數截斷
4.2.7 系統投影
4.2.8 軟約束
4.2.9 仿真實驗
4.3 非線性狀態約束方法
4.3.1 二階項展開
4.3.2 平滑約束卡爾曼濾波
4.3.3 水平滑動估計
4.3.4 不敏卡爾曼濾波
4.3.5 內點方法
4.3.6 粒子濾波方法
4.4 線性等式狀態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 仿真實驗及結果分析
4.5 非線性等式狀態約束條件下的濾波算法
4.5.1 問題描述
4.5.2 基于uT變換的最佳量測值方法
4.5.3 基點誤差降低方法
4.5.4 仿真實驗及結果分析
4.6 小結
參考文獻
第5章 自適應卡爾曼濾波及融合方法
5.1 引言
5.2 擴展遺忘因子遞推最小二乘算法
5.2.1 問題描述
5.2.2 擴展遞推最小二乘算法
5.2.3 擴展遺忘因子遞推最小二乘算法
5.3 變分貝葉斯自適應卡爾曼濾波算法
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 仿真實驗及結果分析
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 對一些參數初始化的討論
5.5.4 仿真實驗及結果分析
5.6 小結
參考文獻
第6章 無序量測條件下的濾波方法
6.1 引言
6.2 問題描述
6.3 單步滯后無序量測算法
6.3.1 回溯狀態
6.3.2 具有無序量測狀態估計的最優更新過程
6.3.3 A1算法
6.3.4 次優算法B1和C1
6.3.5 B1和C1算法的均方誤差
6.4 基于UT變換的單步滯后無序量測算法
6.4.1 用UT變換解決單步滯后OOSM
6.4.2 單步滯后OOSM多傳感器量測融合方法
6.5 仿真實驗及結果分析
6.5.1 實驗模型
6.5.2 仿真結果及分析
6.6 小結
參考文獻
第7章 網絡丟包條件下的濾波方法
7.1 引言
7.2 噪聲不相關時不變系統中網絡丟包條件下的濾波算法
7.2.1 問題描述
7.2.2 算法推導及過程
7.3 噪聲相關時變系統中網絡丟包條件下的濾波算法
7.3.1 問題描述
7.3.2 算法推導及過程
7.4 非線性系統中網絡丟包條件下的濾波算法
7.4.1 問題描述
7.4.2 算法推導及過程
7.4.3 仿真實驗及結果分析
7.5 小結
參考文獻
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 仿真實驗及結果分析
8.4 小結
參考文獻
第9章 非線性濾波算法在目標跟蹤中的應用
9.1 基于高斯粒子濾波的機載GMTI雷達跟蹤
9.1.1 概述
9.1.2 機載GMTI雷達
9.1.3 算法描述及步驟
9.1.4 仿真實驗及結果分析
9.2 基于邊緣粒子濾波的目標跟蹤算法
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 仿真實驗及結果分析
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 仿真實驗及結果分析
9.4 小結
參考文獻
第10章 數學預備知識
10.1 向量和矩陣
10.1.1 向量的有關概念
10.1.2 矩陣運算
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算
10.1.9 雅可比矩陣和Hessian矩陣
10.2 隨機變量、隨機向量和隨機過程
10.2.1 隨機變量的函數及其分布
10.2.2 隨機變量的數字特征
10.2.3 隨機向量
10.2.4 多元高斯分布
10.2.5 隨機過程
參考文獻
粵公網安備 44030902003195號