濾波器設計理論及應用：非線性非高斯系統(tǒng)狀態(tài)估計
定 價：148 元
- 作者：文成林
- 出版時間：2024/3/1
- ISBN：9787121472824
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TN713
- 頁碼：276
- 紙張：
- 版次：01
- 開本：16開
本書介紹粒子濾波器在Kalman濾波框架下的系統(tǒng)參數(shù)辨識與狀態(tài)估計機制。本書聚焦的新型濾波器解決了困繞深度學習強非線性模型參數(shù)的收斂性訓練、復雜系統(tǒng)隨工況變化的模型參數(shù)自適應辨識、聯(lián)邦學習框架中各客戶端模型個性化設計、輸入輸出強非線性動態(tài)系統(tǒng)參數(shù)自適應更新、工業(yè)裝備和設備壽命預測等難題。本書對從事信息科學、人工智能、電子信息等領域研究、開發(fā)和應用的廣大科技工作者具有一定的參考價值，也適合作為相關專業(yè)研究生教材。
文成林，男，1963年4月生，博士(后)，二級教授，博士生指導教師。 1986年河南大學數(shù)學系本科畢業(yè)留校，直到2004年6月調(diào)動到杭州電子科技大學，是該校首任特聘教授；2020年1月調(diào)動至廣東石油化工學院任高層人才特聘教授(二層次)。期間分別在：1993年鄭州大學研究生畢業(yè)，獲碩士學位；1999年西北工業(yè)大學控制理論與控制工程專業(yè)畢業(yè)，獲工學博士學位；2002年清華大學控制科學與工程博士后流動站出站。主要研究方向：信息融合與目標檢測、故障診斷與主動安全控制、深度學習與優(yōu)化決策系統(tǒng)、人機混合增強智能與工業(yè)認知計算、知識遷移與聯(lián)邦學習。近年來，已主持承擔8項國家自然科學基金（3項重點、1項目重大研究計劃），參與承擔4項并組織8項國家自然科學基金重點項目等20余項國家或省部級項目，科研經(jīng)費3000余萬元。已發(fā)表學術論文300余篇，其中有200余篇/次被SCI/EI收錄；出版5部學術專著，教材5部。現(xiàn)為中國電子學會高級會員，中國自動化學會會員，中國自動化學會認知計算與系統(tǒng)專業(yè)委員會副主任委員、中國自動化學會粒計算與多尺度分析委員會副主任委員、中國自動化學會過程故障診斷與技術專業(yè)委員會委員、中國自動化學會智能控制專業(yè)委員會委員、中國智能學會認識與信息處理/智能服務專業(yè)委員會唐員。是自動化學報、電子學報和電子與信息學報等期刊編委，曾經(jīng)多次擔任國際會議的委員或分會主席。已培養(yǎng)碩士學位研究生140余人，博士學位畢業(yè)生30余人。是浙江省有突出貢獻中青年專家（2016），省級特聘教授（2013），浙江省"新世紀151人才工程”第一層次（2008），浙江省優(yōu)秀博士后（2008），浙江省高等學校中青年學科帶頭人（2007），浙江省杰出青年科學基金（2006），杭州電子科技大學特聘教授（2004-2010），河南省"555”人才一層次（2003），河南省杰出青年科學基金（2002），河南創(chuàng)新人才工程培養(yǎng)計劃（2001）。
第一部分 基 礎 篇
第1章 緒論 002
1.1 研究背景及意義 002
1.2 國內(nèi)外研究現(xiàn)狀 003
1.3 本書主要內(nèi)容與安排 005
參考文獻 007
第2章 典型的濾波器設計方法 011
2.1 線性高斯系統(tǒng)狀態(tài)估計的卡爾曼濾波器設計 011
2.2 非線性高斯系統(tǒng)狀態(tài)估計的擴展卡爾曼濾波器設計 017
2.3 非線性高斯系統(tǒng)狀態(tài)估計的無跡卡爾曼濾波器設計 026
2.4 一般系統(tǒng)噪聲密度函數(shù)下狀態(tài)估計的粒子濾波器設計 031
2.5 特征函數(shù)及其基本性質(zhì) 038
參考文獻 047
第二部分 現(xiàn) 代 篇
第3章 線性狀態(tài)模型與一維非線性觀測模型的特征函數(shù)濾波器 050
3.1 引言與存在問題分析 050
3.2 線性狀態(tài)模型與觀測模型組成的非高斯系統(tǒng)描述 051
3.3 非高斯系統(tǒng)狀態(tài)估計的特征函數(shù)濾波器設計 052
3.4 求解濾波器增益向量的性能指標函數(shù)設計 053
3.5 求解濾波器增益向量算法 054
3.6 計算機數(shù)值仿真 057
3.7 濾波器性能分析 059
3.8 本章小結(jié)與存在問題 060
參考文獻 060
第4章 線性狀態(tài)模型與多維非線性觀測模型的特征函數(shù)濾波器 063
4.1 引言與存在問題分析 063
4.2 線性狀態(tài)模型與多維非線性觀測模型組成的非高斯系統(tǒng)描述 064
4.3 特征函數(shù)濾波器設計與目標函數(shù)構(gòu)建 065
4.4 求解特征函數(shù)濾波器增益矩陣 067
4.5 計算機數(shù)值仿真 069
4.6 本章小結(jié)與存在問題 078
參考文獻 078
第三部分 現(xiàn) 在 篇
第5章 弱非線性狀態(tài)模型與強非線性觀測模型的特征函數(shù)濾波器 080
5.1 引言與存在問題分析 080
5.2 弱非線性狀態(tài)模型與強非線性觀測模型系統(tǒng)描述 081
5.3 非線性特征函數(shù)濾波器設計 082
5.4 非線性狀態(tài)模型的局部線性化 082
5.5 特征函數(shù)濾波器增益矩陣求解 084
5.6 計算機數(shù)值仿真 088
5.7 本章小結(jié)與存在問題 098
參考文獻 098
第6章 非線性狀態(tài)模型與強非線性觀測模型的高階擴維特征函數(shù)濾波器 099
6.1 引言與存在問題分析 099
6.2 非線性非高斯系統(tǒng)描述 099
6.3 非線性狀態(tài)模型的偽線性化表示與隱變量引入 101
6.4 二階多項式隱變量在全維空間中的線性動態(tài)系統(tǒng)建模 104
6.5 非線性觀測模型基于二階泰勒展開的等效描述 105
6.6 非線性系統(tǒng)二階擴維特征函數(shù)濾波器設計 108
6.7 二階擴維特征函數(shù)濾波器的降維實現(xiàn)與性能分析 115
6.8 計算機數(shù)值仿真 116
6.9 本章小結(jié)與存在問題 119
參考文獻 119
第四部分 未 來 篇
第7章 強非線性復雜系統(tǒng)的一型高階特征函數(shù)濾波器設計 122
7.1 引言與存在問題分析 122
7.2 強非線性非高斯系統(tǒng)描述 122
7.3 隱變量引入與強非線性狀態(tài)模型的偽線性化表示 124
7.4 隱變量線性狀態(tài)動態(tài)建模與狀態(tài)模型在全維空間中的線性化表示 126
7.5 隱狀態(tài)變量引入與強非線性觀測模型在全維空間中的等效表示 128
7.6 求解系統(tǒng)參數(shù)變量 的特征函數(shù)濾波器設計 131
7.7 求解系統(tǒng)隱狀態(tài)變量 的特征函數(shù)濾波器設計 135
7.8 求解系統(tǒng)狀態(tài)預測誤差變量 的特征函數(shù)濾波器設計 141
7.9 原始系統(tǒng)狀態(tài)變量 估計值的重構(gòu)與特征函數(shù)濾波器性能分析 144
7.10 本章小結(jié)與存在問題 146
參考文獻 146
第8章 強非線性復雜系統(tǒng)的二型高階特征函數(shù)濾波器設計 148
8.1 引言與存在問題分析 148
8.2 強非線性非高斯系統(tǒng)描述 148
8.3 強非線性系統(tǒng)的線性化形式描述 149
8.4 基于狀態(tài)模型和觀測模型建模誤差雙特征函數(shù)的濾波器設計 151
8.5 原始系統(tǒng)狀態(tài)估計值的重構(gòu)與特征函數(shù)濾波器性能分析 159
8.6 本章小結(jié)與存在問題 161
參考文獻 161
第9章 強非線性復雜系統(tǒng)的三型高階特征函數(shù)濾波器設計 162
9.1 引言與存在問題分析 162
9.2 強非線性非高斯系統(tǒng)描述 162
9.3 強非線性系統(tǒng)的線性化形式描述 163
9.4 高階隱變量線性狀態(tài)動態(tài)建模與濾波器設計條件設置 164
9.5 隱參數(shù)變量 和 的特征函數(shù)濾波器設計 167
9.6 擴維狀態(tài)隱變量 的序貫式特征函數(shù)濾波器組設計 170
9.7 系統(tǒng)狀態(tài)預測誤差變量 的序貫式特征函數(shù)濾波器設計 174
9.8 原始系統(tǒng)狀態(tài)變量估計值的重構(gòu)與濾波器性能分析 182
9.9 本章小結(jié)與存在問題 184
參考文獻 184
第五部分 應 用 篇
第10章 多傳感器狀態(tài)融合估計的特征函數(shù)濾波方法 186
10.1 引言 186
10.2 多傳感器非線性觀測系統(tǒng)描述 187
10.3 基于CFF的集中式融合方法設計 188
10.4 基于CFF的并行式融合方法設計 190
10.5 基于CFF的序貫式融合方法設計 194
10.6 多參數(shù)預測誤差模型設計 198
10.7 仿真實驗 199
10.8 本章小結(jié)與存在問題 206
參考文獻 207
第11章 極坐標系與直角坐標系混合環(huán)境下的目標跟蹤方法 208
11.1 一般線性狀態(tài)模型多維非線性系統(tǒng)描述 208
11.2 極坐標系與直角坐標系下的動態(tài)系統(tǒng)描述 209
11.3 極坐標系與直角坐標系混合環(huán)境下的目標跟蹤案例 210
參考文獻 216
第12章 深度神經(jīng)網(wǎng)絡模型參數(shù)自適應辨識方法 217
12.1 引言 217
12.2 神經(jīng)網(wǎng)絡參數(shù)常用更新方法 218
12.3 基于CFF的神經(jīng)網(wǎng)絡參數(shù)更新方法 223
12.4 稀疏神經(jīng)網(wǎng)絡模型設計 231
12.5 計算機數(shù)值仿真實驗 233
12.6 本章小結(jié) 235
參考文獻 235
第13章 設備壽命預測系統(tǒng)參數(shù)在線辨識方法 238
13.1 引言 238
13.2 鋰電池充放電動態(tài)過程建模 239
13.3 電池SOC估計的高階項擴維建模 241
13.4 仿真實驗 245
13.5 本章小結(jié) 246
參考文獻 247
第14章 超非線性輸入輸出系統(tǒng)參數(shù)在線辨識方法 249
14.1 引言 249
14.2 非線性輸入輸出系統(tǒng)描述 250
14.3 非線性輸入輸出系統(tǒng)的狀態(tài)與觀測動態(tài)特性建模 250
14.4 基于EKF的非線性輸入輸出系統(tǒng)參數(shù)辨識方法 251
14.5 基于CFF的非線性輸入輸出系統(tǒng)參數(shù)辨識方法 252
14.6 計算機數(shù)值仿真實驗 257
參考文獻 263
書單推薦
