图书介绍
多源动态系统融合估计PDF|Epub|txt|kindle电子书版本网盘下载
- 潘泉等著 著
- 出版社： 北京：科学出版社
- ISBN：9787030568724
- 出版时间：2018
- 标注页数：308页
- 文件大小：34MB
- 文件页数：319页
- 主题词：目标跟踪－动态系统－系统分析
PDF下载
下载说明
多源动态系统融合估计PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1引言1
1.2多源信息融合概况4
1.2.1定义4
1.2.2功能模型5
1.2.3系统结构9
1.2.4融合级别12
1.3多源动态系统融合估计概述14
1.3.1一般性框架15
1.3.2发展现状18
参考文献23
第2章 系统偏差在线估计26
2.1引言26
2.2未知输入驱动下的系统偏差估计30
2.2.1系统偏差的广义建模30
2.2.2伪量测模型32
2.2.3解耦滤波器的设计33
2.2.4仿真分析37
2.3基于粒子群优化的系统偏差估计43
2.3.1概率数据关联45
2.3.2群体智能算法45
2.3.3粒子群目标函数的构造47
2.3.4系统偏差估计策略49
2.3.5仿真分析53
2.4本章小结58
参考文献59
附录62
第3章 多速率估计65
3.1引言66
3.1.1网络控制系统的多速率估计66
3.1.2多速率多传感器系统建模与估计67
3.1.3多速率多传感器系统故障检测68
3.2量测缺失下多速率多传感器系统建模与估计70
3.2.1问题描述70
3.2.2 LMMSE意义下多速率滤波器设计72
3.2.3仿真分析79
3.3未知扰动下多速率多传感器系统故障检测81
3.3.1问题描述82
3.3.2多速率残差生成器83
3.3.3左特征向量解耦残差85
3.3.4残差评价87
3.3.5仿真分析87
3.4噪声与扰动并存下多速率多传感器系统故障检测92
3.4.1问题描述92
3.4.2多速率最优观测器设计93
3.4.3多速率残差98
3.4.4仿真分析99
3.5本章小结104
参考文献104
附录107
第4章 状态约束动态系统建模与估计114
4.1引言115
4.2问题描述117
4.3线性等式约束下动态系统的数学建模119
4.3.1状态空间分解119
4.3.2模型构建120
4.3.3模型构建的几何解释122
4.3.4隐含线性等式约束的模型性质123
4.4线性等式约束下的系统状态估计124
4.4.1线性等式约束滤波125
4.4.2伪量测法129
4.4.3估计投影法130
4.5线性等式约束下动态系统模型的扩展形式131
4.6仿真分析132
4.6.1基于道路信息的地面目标跟踪132
4.6.2编队飞行目标的跟踪问题136
4.7本章小结138
参考文献139
第5章 状态演化多模态的马尔可夫跳变系统估计142
5.1引言143
5.2随机参数马尔可夫跳变系统的LMMSE估计144
5.2.1系统建模144
5.2.2估计框架设计146
5.2.3仿真分析151
5.3有色噪声非线性马尔可夫跳变系统的高斯估计157
5.3.1系统建模158
5.3.2估计框架设计159
5.3.3仿真分析163
5.4多步随机延迟马尔可夫跳变系统的LMMSE估计165
5.4.1系统建模165
5.4.2估计框架设计167
5.4.3仿真分析175
5.5本章小结181
参考文献182
附录184
第6章 非线性动态系统的确定采样型高斯估计192
6.1引言192
6.2贝叶斯估计196
6.2.1最优滤波197
6.2.2最优平滑199
6.3线性动态系统的贝叶斯估计解析实现200
6.3.1 Kalman滤波203
6.3.2 Kalman平滑207
6.4非线性动态系统的贝叶斯估计近似实现209
6.4.1高斯滤波210
6.4.2高斯平滑212
6.4.3高斯混合估计216
6.5高斯估计的一般性及确定采样实现221
6.6噪声时空相关的确定采样高斯估计223
6.6.1噪声相关223
6.6.2有色量测噪声228
6.7高斯估计的通用性239
6.8仿真分析240
6.9本章小结242
参考文献242
附录246
第7章 基于期望最大化的联合估计与辨识248
7.1引言248
7.2贝叶斯联合跟踪问题251
7.3联合跟踪的期望最大化解决框架252
7.3.1 EM算法252
7.3.2 EM算法的收敛性256
7.3.3 EM算法的初始化256
7.3.4 EM算法的扩展257
7.3.5 EM算法的其他方面258
7.3.6 EM算法的性能特点258
7.4联合跟踪的期望最大化算法研究概况259
7.4.1单传感器目标跟踪261
7.4.2多传感器多目标跟踪263
7.4.3传感器网络分布式目标跟踪264
7.4.4其他联合跟踪方法265
7.5 OTHR多路径目标跟踪266
7.5.1问题描述266
7.5.2目标-量测关联与量测-模式关联的辨识267
7.5.3仿真分析269
7.6量测偏差下的目标跟踪272
7.6.1问题描述272
7.6.2量测偏差辨识272
7.6.3仿真分析276
7.7本章小结277
参考文献278
第8章 基于事件驱动的传感器量测管理285
8.1引言285
8.2事件驱动触发机制概述287
8.2.1确定性事件触发288
8.2.2随机事件触发289
8.3基于事件驱动的状态估计291
8.3.1基于确定性事件触发机制的状态估计291
8.3.2基于随机事件触发机制的状态估计297
8.4仿真分析303
8.5性能分析305
8.6本章小结307
参考文献307