多传感器最优估计理论及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

多传感器最优估计理论及其应用PDF格式电子书版下载

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

第1章 绪论1

1.1 背景与意义1

1.2 多传感器数据融合的体系结构2

1.2.1 多传感器数据融合的定义2

1.2.2 多传感器数据融合的原理与体系结构3

1.2.3 多传感器数据融合的优缺点7

1.3 多传感器数据融合估计算法分类综述8

1.3.1 采样率系统9

1.3.2 单采样率多传感器数据融合状态估计算法11

1.3.3 多采样率多传感器数据融合状态估计算法14

1.3.4 异步多传感器数据融合估计算法19

1.3.5 噪声相关环境下的数据融合估计算法20

1.3.6 网络环境下的滤波和融合问题22

1.3.7 非线性系统数据融合估计算法27

1.4 组合导航系统与方法概述30

1.5 当前研究热点、难点与未来的研究方向33

1.6 本书的主要内容及章节安排34

1.7 本章小结35

第2章 随机离散动态系统的Kalman滤波36

2.1 问题的提出36

2.2 最优均方估计37

2.2.1 最优均方估计的定义37

2.2.2 线性最优均方估计38

2.3 Kalman最优滤波基本方程40

2.3.1 系统描述40

2.3.2 离散时间Kalman滤波基本方程42

2.3.3 离散时间Kalman滤波基本方程的直观推导44

2.3.4 离散时间Kalman滤波基本方程的投影法证明48

2.4 Kalman最优预测基本方程52

2.4.1 状态的预测估计52

2.4.2 状态预测估计的修正53

2.4.3 最优增益阵54

2.4.4 误差的无偏性及误差方差阵55

2.4.5 离散系统Kalman最优预测基本方程56

2.5 Kalman最优平滑基本方程57

2.5.1 固定区间最优平滑58

2.5.2 固定点最优平滑58

2.5.3 固定滞后最优平滑60

2.6 扩展Kalman滤波61

2.6.1 围绕标称轨道线性化滤波方法62

2.6.2 围绕滤波值线性化滤波方法65

2.7 本章小结67

第3章 变速率非均匀采样系统的Kalman滤波68

3.1 引言68

3.2 问题描述68

3.3 非均匀采样系统的Kalman滤波算法70

3.4 算法性能分析78

3.5 仿真实例80

3.6 本章小结83

第4章 多尺度Kalman滤波及基于多尺度测量预处理的数据融合84

4.1 引言84

4.2 小波分析概述85

4.2.1 小波变换的定义与基本性质85

4.2.2 多尺度分析88

4.2.3 Mallat算法92

4.3 多尺度Kalman滤波96

4.4 基于多尺度测量预处理的数据融合100

4.4.1 系统描述100

4.4.2 信号的多尺度表示101

4.4.3 基于小波变换的多尺度测量预处理102

4.4.4 基于多传感器多尺度测量预处理的信号去噪方法103

4.5 仿真实例104

4.6 本章小结107

第5章 基于线性系统的多速率传感器数据融合估计108

5.1 引言108

5.2 问题描述108

5.3 线性动态系统的多速率多传感器数据融合估计110

5.3.1 基于状态分块的融合估计算法110

5.3.2 两种分布式数据融合状态估计算法114

5.4 仿真实例121

5.5 本章小结124

第6章 随机丢包情况下多速率传感器鲁棒融合估计125

6.1 引言125

6.2 问题描述125

6.3 基于不完全观测数据的多速率传感器融合估计算法126

6.3.1 模型约简126

6.3.2 融合算法130

6.4 仿真实例131

6.5 本章小结136

第7章 时不变线性系统的异步多速率传感器数据融合估计137

7.1 引言137

7.2 问题描述138

7.3 尺度递归融合估计算法139

7.3.1 多尺度状态空间模型139

7.3.2 尺度递归状态融合估计算法141

7.4 基于混合式结构的融合估计算法150

7.5 两种分布式融合估计算法155

7.5.1 递归联邦分布式融合估计156

7.5.2 有反馈分布式融合估计160

7.6 仿真实例164

7.6.1 尺度递归融合估计算法仿真164

7.6.2 混合式融合估计算法仿真168

7.6.3 分布式融合估计算法仿真170

7.7 本章小结175

第8章 时不变系统异步多速率间歇数据的鲁棒融合估计176

8.1 引言176

8.2 问题描述176

8.3 随机丢包下的异步多速率传感器数据融合算法177

8.4 仿真实例188

8.4.1 圆周运动的机动目标跟踪188

8.4.2 目标跟踪系统的状态估计192

8.5 本章小结196

第9章 时变线性系统的异步多速率传感器数据融合估计197

9.1 引言197

9.2 问题描述197

9.3 基于速率归一化和联邦Kalman滤波的分布式融合估计198

9.3.1 异步多速率系统的速率归一化数学建模199

9.3.2 基于联邦Kalman滤波的数据融合估计203

9.4 异步多速率数据的顺序式融合估计205

9.5 仿真实例211

9.5.1 基于联邦Kalman滤波的融合估计算法仿真211

9.5.2 顺序式融合估计算法仿真217

9.6 本章小结219

第10章 异步多速率传感器线性系统的建模与容错融合估计220

10.1 引言220

10.2 问题描述222

10.3 最优状态估计算法223

10.3.1 异步多速率多传感器系统建模223

10.3.2 无故障情况下的数据融合估计226

10.3.3 存在不可靠观测情况下的状态容错融合估计算法229

10.4 状态容错融合估计算法的性能分析230

10.5 仿真实例233

10.6 本章小结241

第11章 相关噪声环境下的多传感器数据融合243

11.1 引言243

11.2 问题描述243

11.3 最优融合算法244

11.3.1 最优集中式融合244

11.3.2 最优顺序式融合244

11.3.3 最优分布式融合247

11.4 仿真实例251

11.5 本章小结255

第12章 相关噪声环境下多速率传感器融合估计257

12.1 引言257

12.2 问题描述258

12.3 序贯式融合估计算法259

12.4 分布式融合估计算法267

12.5 仿真实例274

12.5.1 序贯式融合估计算法仿真274

12.5.2 分布式融合估计算法仿真278

12.6 本章小结282

第13章 噪声统计特性未知情况下的多源信息融合估计283

13.1 引言283

13.2 相关多源信息融合估计算法简述283

13.2.1 广义凸组合融合算法283

13.2.2 基于集合论的松弛切比雪夫中心协方差交叉算法286

13.2.3 基于信息论的快速协方差交叉算法288

13.2.4 容错广义凸组合融合算法292

13.3 两种改进的多源信息融合估计算法296

13.3.1 改进的松弛切比雪夫协方差交叉融合算法296

13.3.2 改进的快速协方差交叉算法298

13.4 仿真实例299

13.4.1 Kalman滤波算法得到局部估计值299

13.4.2 RCC-CI、IT-FCI、DCI仿真分析300

13.4.3 FGCC、CI/CU仿真分析305

13.4.4 改进算法的仿真分析308

13.5 本章小结310

第14章 非线性系统异步多速率传感器数据融合估计312

14.1 引言312

14.2 问题描述313

14.3 状态融合估计算法314

14.3.1 基于SPKF方法估计非线性时变系统的状态315

14.3.2 基于STF方法估计非线性时变系统的状态320

14.3.3 非线性系统状态估计新算法：SPSTF324

14.4 仿真实例331

14.5 本章小结339

第15章 非线性系统异步多速率传感器数据容错融合估计340

15.1 引言340

15.2 问题描述341

15.3 异步多速率传感器数据容错融合估计算法342

15.4 仿真实例348

15.5 本章小结356

第16章 多传感器最优估计理论在导航系统中的应用357

16.1 引言357

16.2 组合导航系统模型357

16.3 多速率系统的鲁棒Kalman滤波及在导航系统中的应用361

16.4 仿真实例365

16.5 本章小结367

参考文献368