多傳感器最優(yōu)估計理論及其應(yīng)用

前言
第1章緒論
1.1背景與意義
1.2多傳感器數(shù)據(jù)融合的體系結(jié)構(gòu)
1.2.1多傳感器數(shù)據(jù)融合的定義
1.2.2多傳感器數(shù)據(jù)融合的原理與體系結(jié)構(gòu)
1.2.3多傳感器數(shù)據(jù)融合的優(yōu)缺點
1.3多傳感器數(shù)據(jù)融合估計算法分類綜述
1.3.1采樣率系統(tǒng)
1.3.2單采樣率多傳感器數(shù)據(jù)融合狀態(tài)估計算法
1.3.3多采樣率多傳感器數(shù)據(jù)融合狀態(tài)估計算法
1.3.4異步多傳感器數(shù)據(jù)融合估計算法
1.3.5噪聲相關(guān)環(huán)境下的數(shù)據(jù)融合估計算法
1.3.6網(wǎng)絡(luò)環(huán)境下的濾波和融合問題
1.3.7非線性系統(tǒng)數(shù)據(jù)融合估計算法
1.4組合導航系統(tǒng)與方法概述
1.5當前研究熱點、難點與未來的研究方向
1.6本書的主要內(nèi)容及章節(jié)安排
1.7本章小結(jié)
第2章隨機離散動態(tài)系統(tǒng)的Kalman濾波
2.1問題的提出
2.2最優(yōu)均方估計
2.2.1最優(yōu)均方估計的定義
2.2.2線性最優(yōu)均方估計
2.3Kalman最優(yōu)濾波基本方程
2.3.1系統(tǒng)描述
2.3.2離散時間Kalman濾波基本方程
2.3.3離散時間Kalman濾波基本方程的直觀推導
2.3.4離散時間Kalman濾波基本方程的投影法證明
2.4Kalman最優(yōu)預測基本方程
2.4.1狀態(tài)的預測估計
2.4.2狀態(tài)預測估計的修正
2.4.3最優(yōu)增益陣
2.4.4誤差的無偏性及誤差方差陣
2.4.5離散系統(tǒng)Kalman最優(yōu)預測基本方程
2.5Kalman最優(yōu)平滑基本方程
2.5.1固定區(qū)間最優(yōu)平滑
2.5.2固定點最優(yōu)平滑
2.5.3固定滯后最優(yōu)平滑
2.6擴展Kalman濾波
2.6.1圍繞標稱軌道線性化濾波方法
2.6.2圍繞濾波值線性化濾波方法
2.7本章小結(jié)
第3章變速率非均勻采樣系統(tǒng)的Kalman濾波
3.1引言
3.2問題描述
3.3非均勻采樣系統(tǒng)的Kalman濾波算法
3.4算法性能分析
3.5仿真實例
3.6本章小結(jié)
第4章多尺度Kalman濾波及基于多尺度測量預處理的數(shù)據(jù)融合
4.1引言
4.2小波分析概述
4.2.1小波變換的定義與基本性質(zhì)
4.2.2多尺度分析
4.2.3Mallat算法
4.3多尺度Kalman濾波
4.4基于多尺度測量預處理的數(shù)據(jù)融合
4.4.1系統(tǒng)描述
4.4.2信號的多尺度表示
4.4.3基于小波變換的多尺度測量預處理
4.4.4基于多傳感器多尺度測量預處理的信號去噪方法
4.5仿真實例
4.6本章小結(jié)
第5章基于線性系統(tǒng)的多速率傳感器數(shù)據(jù)融合估計
5.1引言
5.2問題描述
5.3線性動態(tài)系統(tǒng)的多速率多傳感器數(shù)據(jù)融合估計
5.3.1基于狀態(tài)分塊的融合估計算法
5.3.2兩種分布式數(shù)據(jù)融合狀態(tài)估計算法
5.4仿真實例
5.5本章小結(jié)
第6章隨機丟包情況下多速率傳感器魯棒融合估計
6.1引言
6.2問題描述
6.3基于不完全觀測數(shù)據(jù)的多速率傳感器融合估計算法
6.3.1模型約簡
6.3.2融合算法
6.4仿真實例
6.5本章小結(jié)
第7章時不變線性系統(tǒng)的異步多速率傳感器數(shù)據(jù)融合估計
7.1引言
7.2問題描述
7.3尺度遞歸融合估計算法
7.3.1多尺度狀態(tài)空間模型
7.3.2尺度遞歸狀態(tài)融合估計算法
7.4基于混合式結(jié)構(gòu)的融合估計算法
7.5兩種分布式融合估計算法
7.5.1遞歸聯(lián)邦分布式融合估計
7.5.2有反饋分布式融合估計
7.6仿真實例
7.6.1尺度遞歸融合估計算法仿真
7.6.2混合式融合估計算法仿真
7.6.3分布式融合估計算法仿真
7.7本章小結(jié)
第8章時不變系統(tǒng)異步多速率間歇數(shù)據(jù)的魯棒融合估計
8.1引言
8.2問題描述
8.3隨機丟包下的異步多速率傳感器數(shù)據(jù)融合算法
8.4仿真實例
8.4.1圓周運動的機動目標跟蹤
8.4.2目標跟蹤系統(tǒng)的狀態(tài)估計
8.5本章小結(jié)
第9章時變線性系統(tǒng)的異步多速率傳感器數(shù)據(jù)融合估計
9.1引言
9.2問題描述
9.3基于速率歸一化和聯(lián)邦Kalman濾波的分布式融合估計
9.3.1異步多速率系統(tǒng)的速率歸一化數(shù)學建模
9.3.2基于聯(lián)邦Kalman濾波的數(shù)據(jù)融合估計
9.4異步多速率數(shù)據(jù)的順序式融合估計
9.5仿真實例
9.5.1基于聯(lián)邦Kalman濾波的融合估計算法仿真
9.5.2順序式融合估計算法仿真
9.6本章小結(jié)
第10章異步多速率傳感器線性系統(tǒng)的建模與容錯融合估計
10.1引言
10.2問題描述
10.3最優(yōu)狀態(tài)估計算法
10.3.1異步多速率多傳感器系統(tǒng)建模
10.3.2無故障情況下的數(shù)據(jù)融合估計
10.3.3存在不可靠觀測情況下的狀態(tài)容錯融合估計算法
10.4狀態(tài)容錯融合估計算法的性能分析
10.5仿真實例
10.6本章小結(jié)
第11章相關(guān)噪聲環(huán)境下的多傳感器數(shù)據(jù)融合
11.1引言
11.2問題描述
11.3最優(yōu)融合算法
11.3.1最優(yōu)集中式融合
11.3.2最優(yōu)順序式融合
11.3.3最優(yōu)分布式融合
11.4仿真實例
11.5本章小結(jié)
第12章相關(guān)噪聲環(huán)境下多速率傳感器融合估計
12.1引言
12.2問題描述
12.3序貫式融合估計算法
12.4分布式融合估計算法
12.5仿真實例
12.5.1序貫式融合估計算法仿真
12.5.2分布式融合估計算法仿真
12.6本章小結(jié)
第13章噪聲統(tǒng)計特性未知情況下的多源信息融合估計
13.1引言
13.2相關(guān)多源信息融合估計算法簡述
13.2.1廣義凸組合融合算法
13.2.2基于集合論的松弛切比雪夫中心協(xié)方差交叉算法
13.2.3基于信息論的快速協(xié)方差交叉算法
13.2.4容錯廣義凸組合融合算法
13.3兩種改進的多源信息融合估計算法
13.3.1改進的松弛切比雪夫協(xié)方差交叉融合算法
13.3.2改進的快速協(xié)方差交叉算法
13.4仿真實例
13.4.1Kalman濾波算法得到局部估計值
13.4.2RCC-CI、IT-FCI、DCI仿真分析
13.4.3FGCC、CI/CU仿真分析
13.4.4改進算法的仿真分析
13.5本章小結(jié)
第14章非線性系統(tǒng)異步多速率傳感器數(shù)據(jù)融合估計
14.1引言
14.2問題描述
14.3狀態(tài)融合估計算法
14.3.1基于SPKF方法估計非線性時變系統(tǒng)的狀態(tài)
14.3.2基于STF方法估計非線性時變系統(tǒng)的狀態(tài)
14.3.3非線性系統(tǒng)狀態(tài)估計新算法：SPSTF
14.4仿真實例
14.5本章小結(jié)
第15章非線性系統(tǒng)異步多速率傳感器數(shù)據(jù)容錯融合估計
15.1引言
15.2問題描述
15.3異步多速率傳感器數(shù)據(jù)容錯融合估計算法
15.4仿真實例
15.5本章小結(jié)
第16章多傳感器最優(yōu)估計理論在導航系統(tǒng)中的應(yīng)用
16.1引言
16.2組合導航系統(tǒng)模型
16.3多速率系統(tǒng)的魯棒Kalman濾波及在導航系統(tǒng)中的應(yīng)用
16.4仿真實例
16.5本章小結(jié)
參考文獻