绪论
0.1 *优滤波的三种方法论
O.2 自校正滤波
0.3 多传感器*优信息融合滤波
0.4 自校正信息融合滤波
O.5 信息融合滤波理论内容、方法、意义和关键技术
参考文献
第1章 模型参数和噪声方差估计
1.1 引言
1.2 多维ARMA模型
1.3 状态空间模型
1.4 求多维MA模型参数的Gevers—Wouters算法
1.5 用Gevers—Wouters算法构造.ARMA新息模型
1.6 递推*小二乘(RLS)法
1.7 加权*小二乘(WLS)法
1.8 递推增广*小二乘(RELS)算法
1.9 多重RLS算法
1.10 多维RLS算法
1.1l 多重和多维RELS算法
1.12 偏差补偿RLS算法
1.13 递推辅助变量(RIV)算法
1.14 基于ARMA新息模型的噪声方差阵Q和R的估计
1.15 基于相关方法的噪声方差阵Q和R的估计
参考文献
第2章 经典Kalman滤波
2.1 引言
2.2 射影理论
2.3 Kalman滤波器和预报器
2.4 Kalman平滑器
2.5 白噪声估值器及其在信号处理中的应用
2.6 稳态Kalman滤波
2.7 带相关噪声时变系统*优Kalman滤波和*优白噪声估值器
2.8 带相关噪声定常系统稳态Kalman滤波和稳态白噪声估值器
2.9 基于Kalman滤波的时域Wiener滤波方法
参考文献
第3章 现代时间序列分析方法及其应用
3.1 引言
3.2 统一的稳态*优白噪声估计理论
3.3 Astrom预报器和Box-Jenkins预报器
3.4 多通道ARMA信号Wiener滤波器
3.5 基于ARMA新息模型的稳态Kalman滤波和Wiener滤波
3.6 统一的Wiener状态滤波器
3.7 广义系统Wiener状态估值器
3.8 广义系统降阶Wiener状态估值器
3.9 ARMA新息模型与状态空间新息模型关系
参考文献
第4章 自校正滤波理论及其应用
4.1 引言
4.2 自校正Kalman估值器及其收敛性
4.3 自校正白噪声估值器及其收敛性
4.4 ARMA信号自校正滤波器和平滑器及其收敛性
4.5 基于Riccati方程的自校正Kalman滤波器
参考文献
第5章 基于经典Kalman滤波的分布式*优信息融合滤波理论
5.1 三种加权多传感器*优信息融合准则
5.2 时变系统多传感器信息融合Kalman估值器
5.3 时变系统多传感器信息融合白噪声估值器
5.4 定常系统多传感器信息融合稳态Kalman估值器和白噪声估值器
5.5 带不同局部动态模型的时变系统信息融合Kalman估值器
5.6 带不同局部模型的定常系统信息融合稳态Kalman估值器
5.7 带不同局部模型的多传感器时变和定常系统*优信息融合白噪声反卷积估值器
5.8 带有色观测噪声的ARMA信号信息融合Wiener滤波器
参考文献
第6章 基于经典Kalman滤波的全局*优观测融合滤波理论及其应用
6.1 引言
6.2 在信息滤波器形式下的Kalman滤波器
6.3 带相同观测阵和不相关观测噪声的一种加权观测融合Kalman滤波器的功能等价性
6.4 带不同观测阵和不相关观测噪声的两种加权观测融合Kalman滤波算法的功能等价性
6.5 带相同观测阵和相关观测噪声的两种加权观测融合Kalman滤波算法
6.6 带不同观测阵和相关观测噪声的两种加权观测融合Kalman滤波算法
6.7 应用于多传感器加权观测融合信号估计问题
6.8 带相同观测阵和相关噪声的加权观测融合Kalman滤波算法
参考文献
第7章 基于现代时间序列分析方法的分布式*优信息融合滤波理论
7.1 带不同局部模型多传感器系统信息融合白噪声反卷积估值器
7.2 多传感器多通道ARMA信号信息融合Wiener滤波器
7.3 多传感器信息融合Wiener状态估值器
7.4 基于ARMA新息模型的稳态Kalman融合器和白噪声反卷积融合器
7.5 带多层融合结构的广义系统解耦Kalman融合器
7.6 广义系统Wiener状态融合器
参考文献
第8章 自校正信息融合滤波理论
8.1 引言
8.2 自校正解耦融合Kalman估值器和Wiener状态估值器及收敛性分析
8.3 基于Riccati方程的自校正融合Kalman估值器及收敛性
8.4 自校正加权观测融合Kalman滤波器及收敛性
8.5 基于MA新息模型的自校正观测融合Kalman估值器及其收敛性
参考文献