复杂系统的现代估计理论及应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

复杂系统的现代估计理论及应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

前言 1

第1章 绪论 1

1.1 背景 1

1.2 运动目标的估计 3

1.3 运动目标估计的进展 5

1.4 预备知识 10

1.5 附注 10

参考文献 10

第2章 概率统计及随机过程基础知识 16

2.1 概述 16

2.2 最小二乘估计 17

2.3 多项式拟合 25

2.4 参数估计的拟合优度与统计显著性 32

2.5 极大似然估计和极大后验估计 37

2.6 最小均方误差估计 41

2.7 估计的性质 45

2.8 本章小结 55

参考文献 55

第3章 Kalman估计 56

3.1 Kalman滤波 56

3.2 Kalman平滑 63

3.3 滤波的基本定理 74

3.4 本章小结 77

参考文献 78

第4章 单模型自适应估计 79

4.1 引言 79

4.2 模型方差自适应调节的估计器 79

4.3 两级Kalman滤波器 80

4.4 区间估计器 81

4.5 Singer模型 81

4.6　当前统计模型 84

4.7　输入估计 86

4.8　变维滤波 88

4.9　强跟踪滤波器 90

4.10　本章小结 92

参考文献 93

第5章　具有广义未知干扰输入的随机系统鲁棒滤波 94

5.1　引言 94

5.2　具有GUDI的随机系统建模 95

5.3　上界滤波器设计 98

5.4　最小上界滤波器设计 99

5.5　仿真分析 101

5.6　本章小结 112

参考文献 113

第6章　一种用于具有未知噪声线性系统的自适应Kalman滤波器 115

6.1　引言 115

6.2　问题描述 116

6.3　自适应Kalman滤波器的设计 118

6.4　时滞和参数估计的计算机仿真 122

6.5　本章小结 127

参考文献 127

第7章　鲁棒IMM滤波 130

7.1　引言 130

7.2　算法推导 132

7.3　时滞和参数的联合估计 134

7.4　本章小结 145

参考文献 145

第8章　Gauss近似非线性滤波 147

8.1　EKF滤波 147

8.2　UT变换 153

8.3　UKF算法 157

8.4　仿真实验 163

8.5　本章小结 165

参考文献 166

第9章 粒子滤波器 170

9.1　引言 170

9.2　基本思想 170

9.3　PF实现 177

9.4　仿真分析 183

9.5　本章小结 187

参考文献 187

第10章　IMM算法 190

10.1　引言 190

10.2　IMM算法 191

10.3　IMM算法参数分析 192

10.4　IMM算法过渡过程仿真分析 197

10.5　IMM算法的收敛性 200

10.6　多模型估计与贝叶斯因果网 201

10.7　本章小结 205

参考文献 206

第11章　自适应IMM算法 207

11.1　引言 207

11.2　SIMM算法 207

11.3　具有参数的AIMM算法 214

11.4　两级IMM算法 225

11.5　本章小结 235

参考文献 235

第12章　混合估计平滑 237

12.1　引言 237

12.2　固定区间平滑算法 237

12.3　一步固定滞后平滑算法 240

12.4　基于状态扩维的任意步固定滞后平滑算法 244

12.5　两种固定滞后平滑算法仿真比较 249

12.6　本章小结 253

参考文献 253

第13章　基于一般紧支撑小波的动态多尺度系统（DMS）集中式最优估计 254

13.1　引言 254

13.2　离散DMS一般紧支撑小波实现 254

13.3　离散定常DMS的一般紧支撑小波实现形式 260

13.4　系统的随机可控性 262

13.5　系统的随机可测性 264

13.6　Kalman滤波系统的稳定性 267

13.7　基于一般紧支撑小波的集中式最优估计算法仿真 271

13.8　本章小结 275

参考文献 275

第14章　基于Haar小波的DMS序贯式最优估计 276

14.1 引言 276

14.2 序贯式Kalman滤波 277

14.3 基于Haar小波的DMS序贯式估计 281

14.4 基于Haar小波的序贯式最优估计算法仿真 289

14.5 本章小结 291

参考文献 292

第15章 基于PF的检测跟踪一体化技术 293

15.1 引言 293

15.2 算法推导 294

15.3 序列图像运动目标的检测和跟踪 297

15.4 算法性能分析 301

15.5 本章小结 304

参考文献 304

第16章 基于图像增强的机动目标跟踪 306

16.1 引言 306

16.2 基于图像增强的IMM估计 311

16.3 模式观测一步滞后的IMM方法 314

16.4 仿真分析 322

16.5 本章小结 329

参考文献 329

第17章 基于地理信息的扩展对地跟踪 332

17.1 引言 332

17.2 利用地理信息的EGTT 332

17.3 基于EGTT的EMTV 333

17.4 基于EGTT的C-IMMMTV算法 341

17.5 本章小结 347

参考文献 348

附录A 线性代数与线性系统简要回顾 349

附录B 概率论与随机过程的简单回顾 358

附录C 假设检验与统计推断的简单回顾 392

附录D 第5章定理证明 403

附录E 第6章定理证明 408