非线性系统加权观测融合估计理论及其应用

封面

版权信息

主要符号

前言 Preface

第1章 绪论

1.1 多传感器信息融合理论

1.2 系统辨识

1.3 非线性系统融合估计

1.4 主要研究内容

第2章 一般非线性系统滤波方法及性能分析

2.1 递推线性最小方差估计框架

2.2 无迹Kalman滤波算法

2.3 容积Kalman滤波算法

2.4 粒子滤波算法

2.5 3种非线性滤波算法的比较分析

2.6 本章小结

第3章 线性系统的多传感器自校正加权观测融合Kalman滤波器

3.1 最优加权观测融合Kalman滤波器

3.2 基于最小二乘法的自校正加权观测融合Kalman滤波器

3.3 基于协同辨识的自校正加权观测融合Kalman滤波器

3.4 仿真

3.5 本章小结

第4章 非线性系统的最优和自校正加权观测融合UKF滤波器

4.1 多传感器加权观测融合UKF滤波器

4.2 自校正加权观测融合UKF滤波器

4.3 仿真例子

4.4 本章小结

第5章 基于Taylor级数逼近的非线性系统加权观测融合估计理论

5.1 基于Taylor级数逼近的非线性系统加权观测融合算法

5.2 基于Taylor级数逼近的非线性系统加权观测融合UKF（WMF-UKF）滤波算法

5.3 基于Taylor级数逼近的非线性系统加权观测融合CKF（WMF-CKF）滤波算法

5.4 基于Taylor级数逼近的非线性系统加权观测融合PF（WMF-PF）滤波算法

5.5 WMF-UKF、WMF-CKF和WMF-PF的比较分析

5.6 仿真研究

5.7 本章小结

第6章 基于Gauss-Hermite逼近的非线性系统加权观测融合估计算法

6.1 基于Gauss-Hermite逼近的非线性系统加权观测融合（WMF）算法

6.2 基于Gauss-Hermite逼近的非线性系统加权观测融合UKF（WMF-UKF）滤波算法

6.3 基于Gauss-Hermite逼近的非线性系统加权观测融合CKF（WMF-CKF）滤波算法

6.4 基于Gauss-Hermite逼近的非线性系统加权观测融合PF（WMF-PF）滤波算法

6.5 仿真研究

6.6 本章小结

第7章 噪声相关的非线性系统加权观测融合估计算法

7.1 基于Taylor级数逼近的噪声相关非线性系统WMF-UKF滤波算法

7.2 基于Taylor级数逼近的噪声相关非线性系统WMF-CKF滤波算法

7.3 基于Taylor级数逼近的噪声相关非线性系统WMF-PF滤波算法

7.4 基于Gauss-Hermite逼近的噪声相关非线性系统WMF-UKF滤波算法

7.5 基于Gauss-Hermite逼近的噪声相关非线性系统WMF-CKF滤波算法

7.6 基于Gauss-Hermite逼近的噪声相关非线性系统WMF-PF滤波算法

7.7 仿真研究

7.8 本章小结

第8章 多传感器加权观测融合Kalman滤波器的预测控制算法

8.1 加权观测融合Kalman滤波器的预测控制系统

8.2 加权观测融合预测控制算法

8.3 自校正加权观测融合预测控制算法

8.4 仿真

8.5 本章小结