1 引论 1
1．1 飞行器试验统计学研究的对象、特点及主要问题 1
1．2 内容梗概 4
2 随机过程导论 9
2．1 随机过程的概念 9
2．2 随机过程的概率分布 11
2．3 随机过程的数字特征 13
2．4 随机过程的基本分类 17
2．5 两个随机过程的联合分布和数字特征 21
2．6 平稳随机过程 23
2．7 平稳过程的各态历经性 30
2．8 平稳过程的能量谱密度 37
2．9 向量随机过程 47
2．10 平稳过程通过线性定常系统后的概率特性分析 50
参考文献 55
3 线性模型参数估计的最小二乘方理论 56
3．1 线性模型的表达 56
3．2 线性模型参数的最小二乘方估计及其性质 60
3．3 递推最小二乘方估计 67
3．4 多维递推最小二乘方估计 74
3．5 线性约束条件下的最小二乘方估计 80
参考文献 86
4．1 最小二乘方估计存在的弊端 87
4 线性模型参烽估计的改进 87
4．2 具有超椭球约束的最小二乘方估计 89
4．3 岭估计方法 95
4．4 线性估计的改进问题 98
4．5 MSE准则下岭估计与LS估计的比较 103
4．6 James-Stein估计 107
4．7 广义压缩最小二乘方估计 110
参考文献 114
5 Kalman滤波方法 119
5．1 线性系统的表示 119
5．2 状态估计问题 132
5．3 Kalman滤波的基本方程 135
5．4 时间连续的线性无偏最小方差估计 151
5．5 连续——离散滤波方程 160
5．6 Kalman滤波与最小二乘方估计的关系 161
5．7 噪声互相关情况下的系统滤波 165
5．8 有色噪声条件下的系统滤波 168
参考文献 180
6 非线性模型下的滤波方法 185
6．1 线性化滤波方法 185
6．2 广义Kalman滤波方法 189
6．3 广义Kalman滤波在应用中的简化 198
6．4 线性化滤波中估值偏倚的估计 201
6．5 二阶广义Kalman次佳滤波 204
6．6 非线性离散时间系统的迭代滤波方法 210
参考文献 212
7 滤波的工程实现与自适应技术 213
7．1 新息序列及其性质 213
7．2 滤波过程中新息序列{vk}的均值检验 220
7．3 当vk的均值不为零时估值的补偿 222
7．4 滤波模型和实际系统的一致性识别 225
7．5 滤波发散及其识别举例 228
7．6 自适应估计中的Q补偿法 234
7．7 滤波模型中的偏倚及噪声协方差阵的直接递推估计方法 239
7．8 Jazwinski有限记忆滤波方法 247
7．9 衰减记忆滤波 252
7．10 平方根滤波方法（J． E． Potter方法） 257
参考文献 260
8 Bayes统计分析方法 262
8．1 Bayes统计分析方法的基本思想 262
8．2 验前信息的获取和表示 265
8．3 Bayes估计 278
8．4 Bayes假设检验 281
参考文献 285
9 仿真试验及其分析 286
9．1 概述 286
9．2 系统仿真结果和真实系统试验结果的一致性验证 287
9．3 仿真结果分析 295
9．4 仿真与Bayes统计推断 301
参考文献 310
10 飞行试验结果分析 312
10．1 最佳弹道估计的基本思想 312
10．2 运用Kalman滤波进行误差分离的方法 315
10．3 弹道[参数的最佳综合 323
参考文献 324
附录A1 向量代数 325
A1．1 向量空间和子空间 325
A1．2 向量空间的基底 326
AI．3 线性方程 330
A1．4 具有内积的向量空间及有关性质 332
A2．1 矩阵及其基本运算、矩阵的对角化 338
附录A2 矩阵基础 338
A2．2 线性变换 345
A2．3 分块矩阵的求逆 346
A2．4 广义逆 349
A2．5 线性方程组的解——A-，A+的应用 358
A2．6 特征根及特征向量 361
A2．7矩阵的谱分解 371
A2．8 对称阵的谱分解及两个对称阵的同时对角化 374
A2．9幂等阵与投影阵 377
A2．10 二次形的极值 381
A2．11 矩阵的拉直及叉积（Kronecker积) 386
A2．12 矩阵微分 391