卡爾曼濾波及其實(shí)時(shí)應(yīng)用（第5版）

第1章預(yù)備知識(shí)
1.1矩陣和行列式初步
1.2概率論初步
1.3小二乘初步
練習(xí)
第2章卡爾曼濾波： 簡單推導(dǎo)
2.1模型
2.2準(zhǔn)則
2.3預(yù)測校正公式
2.4卡爾曼濾波過程
練習(xí)
第3章正交投影和卡爾曼濾波
3.1估計(jì)的正交性
3.2新息序列
3.3小方差估計(jì)
3.4卡爾曼濾波方程
3.5實(shí)時(shí)跟蹤
練習(xí)
第4章系統(tǒng)噪聲和量測噪聲相關(guān)的卡爾曼濾波
4.1仿射模型
4.2估計(jì)算子
4.3額外數(shù)據(jù)對(duì)估計(jì)的影響
4.4卡爾曼濾波方程推導(dǎo)
4.5實(shí)時(shí)應(yīng)用
4.6線性確定/隨機(jī)系統(tǒng)
練習(xí)
第5章有色噪聲環(huán)境下的卡爾曼濾波
5.1處理思路
5.2誤差估計(jì)
5.3卡爾曼濾波過程
5.4系統(tǒng)白噪聲
5.5實(shí)時(shí)應(yīng)用
練習(xí)
第6章極限（穩(wěn)態(tài)）卡爾曼濾波
6.1處理思路
6.2主要結(jié)論
6.3幾何收斂
6.4實(shí)時(shí)應(yīng)用
練習(xí)
第7章序貫算法和平方根算法
7.1序貫算法
7.2平方根算法
7.3實(shí)時(shí)應(yīng)用算法
練習(xí)
第8章擴(kuò)展卡爾曼濾波和系統(tǒng)辨識(shí)
8.1擴(kuò)展卡爾曼濾波
8.2衛(wèi)星軌道估計(jì)
8.3自適應(yīng)系統(tǒng)辨識(shí)
8.4一個(gè)常值參數(shù)辨識(shí)的例子
8.5改進(jìn)的擴(kuò)展卡爾曼濾波
8.6時(shí)變參數(shù)辨識(shí)
練習(xí)
第9章濾波方程解耦
9.1解耦公式
9.2實(shí)時(shí)跟蹤
9.3αβγ跟蹤器
9.4一個(gè)例子
練習(xí)
第10章區(qū)間系統(tǒng)的卡爾曼濾波
10.1區(qū)間數(shù)學(xué)
10.1.1區(qū)間及其特性
10.1.2區(qū)間運(yùn)算
10.1.3有理區(qū)間函數(shù)
10.1.4區(qū)間期望和方差
10.2區(qū)間卡爾曼濾波
10.2.1區(qū)間卡爾曼濾波方案
10.2.2次優(yōu)區(qū)間卡爾曼濾波
10.2.3目標(biāo)跟蹤的例子
10.3加權(quán)平均區(qū)間卡爾曼濾波
練習(xí)
第11章小波卡爾曼濾波
11.1小波初步
11.1.1小波基礎(chǔ)
11.1.2離散小波變換和濾波器組
11.2信號(hào)估計(jì)和分解
11.2.1隨機(jī)信號(hào)的估計(jì)和分解
11.2.2一個(gè)隨機(jī)游走的例子
練習(xí)

第12章傳感器網(wǎng)絡(luò)的分布式估計(jì)
12.1背景
12.2問題描述
12.3算法收斂性
12.4仿真算例
練習(xí)
第13章附錄
13.1卡爾曼平滑器
13.2αβγθ跟蹤器
13.3自適應(yīng)卡爾曼濾波
13.4自適應(yīng)卡爾曼濾波在維納濾波中的應(yīng)用
13.5卡爾曼布希濾波
13.6隨機(jī)控制
13.7平方根濾波及其脈動(dòng)陣列實(shí)現(xiàn)