最優(yōu)狀態(tài)估計與系統(tǒng)辨識

第一篇最優(yōu)狀態(tài)估計
第1章最優(yōu)估計的基本概念
1.1估計.最優(yōu)估計和最優(yōu)估計方法
1.2最小方差估計
1.3極大似然估計
1.4極大驗后估計
1.5線性最小方差估計
1.6最小二乘估計
1.7各種估計方法的比較及其關系
習題1
第2章線性系統(tǒng)的卡爾曼濾波
2.1引言
2.2卡爾曼濾波問題的提法
2.3線性離散系統(tǒng)的卡爾曼最優(yōu)預測基本方程
2.4線性離散系統(tǒng)的卡爾曼最優(yōu)濾波
2.5線性連續(xù)系統(tǒng)的卡爾曼最優(yōu)濾波
習題2
第3章最優(yōu)線性平滑
3.1概述
3.2固定區(qū)間最優(yōu)平滑
3.3固定點最優(yōu)平滑
3.4固定滯后最優(yōu)平滑
習題3
第4章卡爾曼濾波的穩(wěn)定性
4.1卡爾曼濾波的穩(wěn)定性概念
4.2隨機線性系統(tǒng)的可控性和可觀測性
4.3濾波誤差方差陣的上.下界
4.4濾波穩(wěn)定性定理的證明
4.5濾波誤差方差陣的漸近性定理
4.6線性定常隨機系統(tǒng)的濾波穩(wěn)定性
習題4
第5章濾波的發(fā)散及其克服方法
5.1濾波的發(fā)散問題
5.2漸消記憶(衰減記憶)濾波
5.3限定記憶濾波
5.4自適應濾波
5.5平方根濾波
習題5
第6章非線性濾波
6.1非線性最優(yōu)狀態(tài)估計問題的提法
6.2圍繞標稱軌道線性化的濾波方法
6.3推廣的卡爾曼濾波--圍繞濾波值線性化的濾波方法
6.4迭代濾波
習題6
第二篇系統(tǒng)辨識
第7章系統(tǒng)辨識的一些基本概念
7.1系統(tǒng)和模型
7.2系統(tǒng)辨識的定義及基本原理
7.3系統(tǒng)辨識的內(nèi)容與步驟
7.4辨識方案和辨識方法
習題7
第8章脈沖響應法和相關函數(shù)法
8.1脈沖響應法
8.2相關函數(shù)法
8.3局部辨識法
習題8
第9章最小二乘類辨識方法
9.1最小二乘法
9.2輔助變量法
9.3廣義最小二乘法
9.4增廣矩陣法
9.5相關函數(shù)--最小二乘相結(jié)合的方法
9.6限定記憶的最小二乘法
習題9
第10章極大似然法和預報誤差法
10.1極大似然法的基本原理
lo.2極大似然法用于動態(tài)系統(tǒng)的參數(shù)估計
10.3極大似然法的數(shù)值解法
10.4遞推的極大似然法
10.5預報誤差法
10.6極大似然估計的一致性
習題10
第11章時間序列模型與隨機逼近法
11.1時間序列的建模
11.2隨機逼近法
11.3遞推算法的收斂性
11.4各種參數(shù)估計方法的比較
習題11
第12章多輸入多輸出(MIMO)線性系統(tǒng)的辨識
12.1概述
12.2傳遞函數(shù)矩陣模型的辨識
12.3脈沖響應矩陣模型的辨識
12.4狀態(tài)空間模型的辨識
12.5輸入輸出差分方程模型的辨識
12.6當采用遞推最小二乘算法時不同模型參數(shù)估計的比較
習題12
第13章閉環(huán)系統(tǒng)辨識
13.1概述
13.2閉環(huán)系統(tǒng)辨識的可辨識性
13.3直接辨識法
13.4間接辨識法
13.5聯(lián)合過程法
習題13
第14章系統(tǒng)辨識的一些有關問題
14.1先驗知識的利用與辨識方法的選擇
14.2開環(huán)可辨識性問題
14.3最優(yōu)輸入信號及其設計
14.4觀測數(shù)據(jù)的采集和預處理
14.5單輸入單輸出系統(tǒng)的階數(shù)的確定
14.6模型驗證
14.7卡爾曼濾波用于參數(shù)估計
14.8狀態(tài)變量與參數(shù)的聯(lián)合估計
習題14
附錄
附錄1向量.矩陣的微分運算
附錄2矩陣求逆引理
附錄3正定矩陣及其性質(zhì)
附錄4矩陣許瓦茨不等式
附錄5隨機變量與隨機過程的基本概念
附錄6正交定理
附錄7點估計理論
參考文獻