建模與估計(jì)

內(nèi)容概要

本書以經(jīng)典Kalman濾波、經(jīng)典時間序列分析、系統(tǒng)辨識、多傳感器信息融合四門學(xué)科的相互滲透作為方法論，主要解決模型參數(shù)估計(jì)、狀態(tài)或信號估計(jì)、多傳感器信息融合估計(jì)、自校正狀態(tài)或信號估計(jì)、自校正信息融合狀態(tài)或信號估計(jì)五類估計(jì)問題。除了重點(diǎn)介紹模型參數(shù)的最小二乘法估計(jì)和經(jīng)典Kalman濾波理論外，還系統(tǒng)介紹了白噪聲估計(jì)理論、最優(yōu)濾波的現(xiàn)代時間序列分析方法、多傳感器信息融合濾波理論、自校正濾波與信息融合濾波理論等新方法和新理論。書中以目標(biāo)跟蹤系統(tǒng)濾波為應(yīng)用背景，給出大量仿真應(yīng)用例子，并對多種最小二乘法參數(shù)估計(jì)算法給出大量數(shù)值仿真例子，并給出Matlab仿真程序清單。    本書可作為高等學(xué)?？刂瓶茖W(xué)與技術(shù)、電子科學(xué)與技術(shù)、通信與信息系統(tǒng)等專業(yè)的高年級本科生和研究生教材，且對信號處理、控制、通信、航天、制導(dǎo)、目標(biāo)跟蹤、石油地震勘探、故障診斷、衛(wèi)星測控、GPS定位、檢測與估計(jì)、多傳感器信息融合、機(jī)器人、生物醫(yī)學(xué)等領(lǐng)域的研究人員和工程技術(shù)人員具有重要的參考價值。

作者簡介

鄧自立，男，1938年9月生，黑龍江哈爾濱人。現(xiàn)為黑龍江大學(xué)電子工程學(xué)院教授，博士生導(dǎo)師。
1962年7月畢業(yè)于黑龍江大學(xué)數(shù)學(xué)系。先后在黑龍江大學(xué)數(shù)學(xué)系、應(yīng)用數(shù)學(xué)研究所、自動化系任教。1978年評為講師，1982年晉升為副教授，1985年晉升為教授。1988年被授予省級有突出貢獻(xiàn)中青年專家稱號，1990年被國家科委和國家教委授予全國高等學(xué)校先進(jìn)科技工作者稱號，1991年獲國務(wù)院頒發(fā)的政府特殊津貼。1996年被授予黑龍江省優(yōu)秀專家稱號。2001年被省人事廳認(rèn)定為省級學(xué)科帶頭人。2003年被授予黑龍江大學(xué)教學(xué)名師稱號。獲2007年黑龍江省第三屆教學(xué)名師獎。

書籍目錄

前言緒論  O.1 估計(jì)理論的發(fā)展過程和估計(jì)問題的分類  0.2 模型參數(shù)估計(jì)問題  O.3 時間序列、信號、狀態(tài)估計(jì)問題  O.4 信息融合估計(jì)問題  o.5 自校正狀態(tài)與信號估計(jì)問題  O.6 自校正狀態(tài)與信號信息融合估計(jì)問題  參考文獻(xiàn)第1章 ARMA模型與狀態(tài)空間模型  1.1 引言  1.2 隨機(jī)過程  1.3 自回歸滑動平均模型  1.4 ARMA過程的展式  1.5 ARMA過程的相關(guān)函數(shù)  1.6 狀態(tài)空間模型  習(xí)題  參考文獻(xiàn)第2章 最小二乘法參數(shù)估計(jì)  2.1 引言  2.2 遞推最小二乘法  2.3 加權(quán)最小二乘法  2.4 遞推增廣最小二乘法  2.5  兩段RLS-RELS算法——改進(jìn)的RELS算法  2.6 兩段RLS-LS算法  2.7 遞推輔助變量算法及其收斂性  2.8 偏差補(bǔ)償遞推最小二乘法  2.9 多重RLS算法  2.10 多維RLS算法  習(xí)題  參考文獻(xiàn)第3章 狀態(tài)與信號的最優(yōu)估計(jì)——經(jīng)典Kalman濾波與時域Wiener濾波  3.1 引言  3.2 射影理論  3.3 Kalrnan濾波器和預(yù)報器  3.4 Kalman平滑器  3.5 白噪聲估值器  3.6 信息濾波器  3.7 穩(wěn)態(tài)Kalman濾波  3.8 基于Kalrnatl濾波的時域wiener濾波方法  習(xí)題  參考文獻(xiàn)第4章 多傳感器最優(yōu)信息融合估計(jì)——Kalman濾波方法  4.1 引言  4.2 三種加權(quán)多傳感器最優(yōu)信息融合準(zhǔn)則  4.3 多傳感器信息融合KalInan濾波器和預(yù)報器  4.4 多傳感器信息融合穩(wěn)態(tài)Kalman濾波器和預(yù)報器  4.5 分布式信息融合ARMA信號wiener濾波器  4.6 加權(quán)觀測融合Kalman濾波器  4.7 加權(quán)觀測融合wiener信號濾波器  4.8 帶不同觀測陣的兩種加權(quán)觀測融合Kalman濾波器的功能等價性  習(xí)題  參考文獻(xiàn)第5章 狀態(tài)與信號的最優(yōu)估計(jì)——現(xiàn)代時間序列分析方法導(dǎo)論  5.1 引言  5.2 構(gòu)造ARMA新息模型的Gevers-Wouters算法  5.3 統(tǒng)一的穩(wěn)態(tài)最優(yōu)白噪聲估計(jì)理論  5.4 多通道ARMA信號wiener濾波器  5.5 基于ARMA新息模型的穩(wěn)態(tài)Kalmal，濾波器和預(yù)報器  習(xí)題  參考文獻(xiàn)第6章 多傳感器最優(yōu)信息融合估計(jì)——現(xiàn)代時間序列分析方法  6.1 引言  ……第7章 自校正估計(jì)與自校正信息融合估計(jì)附錄1 穩(wěn)態(tài)Kalman濾波算法Matlab仿真通式附錄2 三種加權(quán)信息融合算法Matlab仿真通式附錄3 構(gòu)造ARMA新息模型的Gevers-Wouers算法Matlab仿真通式附錄4 RLS-RELS算法Matlab仿真通式附錄5 RELS算法Matlab仿真通式

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    建模與估計(jì) PDF格式下載

---