目錄
第二版前言
第一版前言
緒論1
0.1估計理論的發(fā)展過程和估計問題的分類1
0.2模型參數(shù)估計問題2
0.3時問序列、信號、狀態(tài)估計問題3
0.4信息融合估計問題8
0.5自校正狀態(tài)與信號估計問題10
0.6自校正狀態(tài)與信號信息融合估計問題11
參考文獻(xiàn)13
第1章ARMA模型與狀態(tài)空間模型14
引言14
1.2隨機(jī)過程15
1.3自回歸滑動平均模型24
ARMA過程的展式30
5ARMA過程的相關(guān)雨數(shù)35
6狀態(tài)空間模型43
習(xí)題52
參考文獻(xiàn)54
第2章最小二乘法參數(shù)估計55
2.1引言55
2.2遞推最小二乘法57
2.3加權(quán)最小二乘法67
2.4遞推增廣最小二乘法71
2.5兩段RLSRELS算法——改進(jìn)的RELS算法74
2.6兩段RI}SI}S算法80
2.7遞推輔助變量算法及其收斂性87
2.8偏差補(bǔ)償遞推最小二乘法93
2.9多重RLS算泫101
2.10多維RLS算法103
習(xí)題109
參考文獻(xiàn)111
第3章狀態(tài)與信號的最優(yōu)估計——經(jīng)典Kalman濾波與時域Wiener濾波113
3.1引言113
3.2射影理論120
3.3Kalman濾波器和預(yù)報器126
3.4Kalman平滑器134
3.5自噪聲估值器138
3.6信息濾波器146
3.7穩(wěn)態(tài)Kalman濾波148
3.8基于Kalman濾波的時域Wiener濾波方法158
3.9平穩(wěn)和非平穩(wěn)向量ARMA過程的BoxJenkins遞推預(yù)報器168
3.10ARMA過程的Astrom預(yù)報器171
習(xí)題175
參考文獻(xiàn)178
第4章多傳感器最優(yōu)信息融合估計Kalman濾波方法181
4.1引言181
4.2三種加權(quán)多傳感器最優(yōu)信息融合準(zhǔn)則183
4.3多傳感器信息融合Kalman濾波器和預(yù)報器194
4.4多傳感器信息融合穩(wěn)態(tài)Kalman濾波器和預(yù)報器200
4.5分布式信息融合ARMA信號Wiener濾波器208
4.6加權(quán)觀測融合Kalman濾波器217
4.7加權(quán)觀測融合Wiener信號濾波器223
4.8帶不同觀測陣的兩種加權(quán)觀測融合Kalman濾波器的動能等價性227
習(xí)題233
參考文獻(xiàn)235
第5章狀態(tài)與信號的最優(yōu)估計——現(xiàn)代時間序列分析方法導(dǎo)論237
5.1引言237
5.2構(gòu)造ARMA新息模型的GeversWouters算法239
5.3統(tǒng)的穩(wěn)態(tài)最優(yōu)自噪聲估計理論249
5.4多通道ARMA信號Wiener濾波器258
5.5基于ARMA新息模型的穩(wěn)態(tài)Kalman濾波器和預(yù)報器263
習(xí)題275
參考文獻(xiàn)279
第6章多傳感器最優(yōu)信息融合估計——現(xiàn)代時間序列分析方法283
6.1引言283
6.2多傳感器信息融合自噪聲反卷積估值器283
6.3多通道ARMA信號信息融合Wiener濾波器289
6.4信息融合穩(wěn)態(tài)Kalman濾波器和預(yù)報器298
6.5加權(quán)觀測融合穩(wěn)態(tài)Kalman濾波器303
6.6加權(quán)觀測融合Wiener信號濾波器311
習(xí)題317
參考文獻(xiàn)319
第7章自校正估計與自校正信息融合估計320
7.1引言320
7.2自校正d跟蹤濾波器323
7.3自校正對角陣加權(quán)信息融合Kalman濾波器及其收斂性分析330
7.4自校正加權(quán)觀測融合Kalman濾波器311
7.5多變量ARMA信號自校正濾波器352
7.6自校正信號檢測數(shù)寧濾波器361
習(xí)題364
參考文獻(xiàn)365
附錄1穩(wěn)態(tài)Kalman濾波算法Matlab仿真通式367
附錄2三種加權(quán)信息融合算法Matlab仿真通式368
附錄3構(gòu)造ARMA新息模型的GeversWouters算法Matlab仿真通式369
附錄4RLSRELS算法Matlab仿真通式370
附錄5RELS算法Matlab仿真通式371