《最优估计理论及其应用 建模、滤波、信息融合估计》PDF下载

  • 购买积分:15 如何计算积分?
  • 作  者:邓自立著
  • 出 版 社:哈尔滨:哈尔滨工业大学出版社
  • 出版年份:2005
  • ISBN:7560321526
  • 页数:490 页
图书介绍:

第一章 ARMA模型和状态空间模型 9

1.1 引言 9

1.2 随机过程 10

1.3 自回归滑动平均(ARMA)模型 14

1.4 ARMA过程的展式 23

1.5 ARMA过程的相关函数 28

1.6 状态空间模型 36

参考文献 47

第二章 最小二乘法参数估计 48

2.1 递推最小二乘(RLS)法 48

2.2 递推增广最小二乘(RELS)法 57

2.3 ARMA模型参数估计的两段RLS-RELS算法——改进的RELS算法 60

2.4 ARMA模型参数估计的两段RLS-LS算法 64

2.5 CARMA模型的三段RLS-LS-LS参数估计算法 68

2.6 向量CAR模型的多重RLS参数估计算法 70

2.7 向量CAR模型的多维RLS参数估计算法 72

2.8 向量CARMA模型的多重和多维RELS参数估计算法 77

2.9 向量CARMA模型的两段RLS-RELS参数估计算法 78

2.10 向量ARMA模型的两段RLS-LS参数估计算法 79

2.11 偏差补偿递推最小二乘(BCRLS)法 83

2.12 带有色观测噪声的AR模型参数估计的RELS算法 89

2.13 求MA模型参数的Gevers-Wouters算法 90

参考文献 96

第三章 Kalman滤波 98

3.1 引论 98

3.2 射影理论 104

3.3 Kalman滤波器和预报器 108

3.4 Kalman平滑器 115

3.5 白噪声估值器及其在信号处理中的应用 120

3.6 稳态Kalman滤波 126

3.7 带相关噪声的时变系统最优Kalman滤波和最优白噪声估值器 134

3.8 带相关噪声定常系统稳态Kalman滤波和稳态白噪声估值器 150

3.9 基于Kalman滤波的时域Wiener滤波器设计方法 154

3.10 统一的和通用的Kalman滤波理论和白噪声估计理论 175

参考文献 186

第四章 ARMA时间序列预报 188

4.1 Hilbert空间中的射影运算 189

4.2 单变量ARMA过程的Wiener-Kolmogorov预报器 192

4.3 单变量Box-Jenkins递推预报器 195

4.4 单变量Astr?m预报方法 197

4.5 非平稳ARMA过程的Wiener预报器 201

4.6 带白色观测噪声的ARMA过程的Wiener预报器 208

4.7 带有色观测噪声的ARMA过程的稳态最优预报器 212

4.8 多变量Box-Jenkins递推预报器 220

4.9 多变量ARMA过程的Astr?m预报器 221

4.10 多变量Koivo预报器 223

4.11 多变量非平稳ARMA过程的Wiener预报器 224

4.12 带白色观测噪声的多变量ARMA过程的Wiener预报器 227

4.13 带有色观测噪声的多变量ARMA过程的Wiener预报器 233

4.14 指数平滑预报器 235

4.15 非平稳ARMA过程的Box-Jenkins递推预报器和Astr?m预报器 239

4.16 MA参数估计的Gevers-Wouters算法收敛性分析 250

参考文献 257

第五章 现代时间序列分析方法及其应用 259

5.1 统一的稳态最优白噪声估值器 262

5.2 白噪声新息滤波器与Wiener滤波器 272

5.3 多通道ARMA信号Wiener滤波器 274

5.4 带MA有色观测噪声的多通道ARMA信号Wiener滤波器 283

5.5 多通道ARMA信号Wiener反卷积滤波器 288

5.6 统一的Wiener状态滤波器 297

5.7 带白色和有色观测噪声的多通道反卷积滤波器 303

5.8 广义系统Wiener状态估值器 310

5.9 广义系统降阶Wiener状态估值器 324

5.10 基于ARMA新息模型的稳态Kalman滤波器和预报器 329

5.11 基于ARMA新息模型的稳态Kalman平滑器和多步Kalman预报器 337

5.12 单输出系统稳态Kalman滤波器和预报器增益算法 343

5.13 ARMA新息模型与状态空间新息模型关系 347

5.14 基于ARMA新息模型与基于Riccati方程的稳态Kalman滤波器的功能等价性 349

5.15 多项式矩阵左素分解与ARMA新息模型 355

参考文献 366

第六章 基于经典Kalman滤波的信息融合滤波理论 375

6.1 三种加权多传感器最优信息融合准则 377

6.2 时变系统多传感器信息融合Kalman滤波器和预报器 386

6.3 时变系统多传感器信息融合超前N步Kalman预报器 393

6.4 时变系统多传感器信息融合Kalman平滑器 396

6.5 时变系统多传感器信息融合白噪声估值器 402

6.6 定常系统多传感器信息融合稳态Kalman估值器和白噪声估值器 405

6.7 基于Kalman滤波的两种观测融合方法的功能等价性 417

6.8 多通道ARMA信号分布式信息融合Wiener滤波器 437

6.9 广义系统多传感器信息融合降阶状态估值器 443

参考文献 450

第七章 基于现代时间序列分析方法的协方差信息融合滤波理论 454

7.1 多传感器信息融合白噪声估值器 455

7.2 多传感器多通道ARMA信号信息融合Wiener滤波器 458

7.3 多传感器信息融合Wiener状态估值器 461

7.4 广义系统多传感器信息融合Wiener状态估值器 466

7.5 多传感器信息融合稳态Kalman估值器 470

7.6 多传感器多通道ARMA信号全局最优加权观测融合Wiener滤波器 477

7.7 多传感器全局最优加权观测融合状态估值器 478

7.8 多传感器分布式信息融合Wiener反卷积滤波器 485

参考文献 489