第一部分 非线性滤波理论与应用基础 2
第1章 离散时间最优贝叶斯滤波 2
1.1 贝叶斯滤波的统一框架 2
1.2 最优卡尔曼滤波 3
1.2.1 卡尔曼滤波的MAP准则推导 3
1.2.2 卡尔曼滤波的正交投影推导 5
1.3 卡尔曼滤波的扩展 8
1.3.1 完整形式的卡尔曼滤波 8
1.3.2 噪声未知时的滤波算法 9
1.3.3 带未知参量的滤波算法 10
1.3.4 卡尔曼滤波的求根实现 11
1.4 应用实例 13
1.4.1 系统噪声自适应估计 13
1.4.2 匀加速机动目标跟踪 14
1.5 本章小结 15
第2章 非线性跟踪应用与性能评估 17
2.1 非线性跟踪系统模型 17
2.1.1 目标运动常用模型 17
2.1.2 传感器观测模型 20
2.1.3 雷达量测转换 23
2.2 非线性滤波性能评估 28
2.2.1 通用误差评估指标 28
2.2.2 滤波误差理论下限 29
2.3 应用实例 32
2.3.1 二维转换量测目标跟踪 32
2.3.2 跟踪误差理论下限分析 34
2.4 本章小结 36
参考文献 37
第二部分 解析高斯近似滤波与应用 40
第3章 函数近似高斯滤波 40
3.1 扩展卡尔曼滤波 40
3.1.1 随机变量的非线性传递 40
3.1.2 扩展卡尔曼滤波算法 41
3.2 EKF的误差分析与改进方法 43
3.2.1 EKF的近似误差分析 43
3.2.2 EKF的几种改进方法 44
3.3 中心差分卡尔曼滤波 46
3.3.1 二阶Sterling多项式插值 46
3.3.2 插值后的均值和方差计算 48
3.3.3 中心差分卡尔曼滤波器 50
3.3.4 求根中心差分卡尔曼滤波器 51
3.4 应用实例 53
3.4.1 径向速度测量跟踪 53
3.4.2 椭圆扩展目标跟踪 55
3.5 本章小结 57
第4章 确定性采样近似高斯滤波 58
4.1 不敏变换与UKF滤波 58
4.1.1 不敏变换UT 58
4.1.2 UT近似误差分析 59
4.1.3 UKF算法 61
4.2 求根UKF算法 62
4.3 迭代UKF算法 63
4.4 简化UKF算法 66
4.5 联合估计UKF算法 67
4.6 应用实例 69
4.6.1 被动目标跟踪 69
4.6.2 转弯目标跟踪 73
4.7 本章小结 75
第5章 求积近似高斯滤波 77
5.1 GH卡尔曼滤波 77
5.1.1 GH求积分规则 77
5.1.2 GH求积卡尔曼滤波 79
5.2 求容积卡尔曼滤波 81
5.2.1 求容积规则 81
5.2.2 求容积卡尔曼滤波 82
5.2.3 平方根实现算法 83
5.3 应用实例 85
5.3.1 常规点目标跟踪 85
5.3.2 再入目标跟踪 86
5.4 本章小结 88
第6章 混合高斯近似滤波 90
6.1 非线性系统的混合高斯近似 90
6.2 混合高斯非线性滤波 93
6.2.1 高斯和扩展卡尔曼滤波 93
6.2.2 高斯和不敏卡尔曼滤波 94
6.2.3 高斯和求积卡尔曼滤波 95
6.3 应用实例 96
6.3.1 闪烁噪声下的目标跟踪 96
6.3.2 GM-PHD多目标跟踪 99
6.4 本章小结 103
参考文献 104
第三部分 随机采样近似滤波与应用 108
第7章 先验分布采样滤波 108
7.1 贝叶斯滤波的随机采样近似 108
7.2 重要采样技术 109
7.3 序贯重要采样 110
7.3.1 粒子重采样 111
7.3.2 重要密度函数 113
7.4 标准粒子滤算法 113
7.5 应用实例 116
7.5.1 雷达制导跟踪 116
7.5.2 SMC-PHD多目标跟踪 119
7.6 本章小结 125
第8章 优选分布采样滤波 126
8.1 最优函数近似采样滤波 126
8.1.1 最优重要函数近似 126
8.1.2 MCMC重采样 127
8.1.3 滤波算法流程 127
8.2 EKF近似粒子滤波 128
8.3 UPF算法及其修正 129
8.3.1 UPF算法 129
8.3.2 修正的UPF算法 131
8.4 应用实例 134
8.4.1 IPF的只测角跟踪 134
8.4.2 MUPF的被动跟踪 136
8.5 本章小结 139
第9章 边缘化采样滤波 140
9.1 混合状态的边缘化 140
9.2 边缘化粒子滤波算法 141
9.2.1 对角模型算法 141
9.2.2 三角模型算法 143
9.2.3 特殊模型算法 144
9.3 应用实例 145
9.3.1 被动雷达目标跟踪 145
9.3.2 红外检测前跟踪 148
9.4 本章小结 152
第10章 智能优化采样滤波 153
10.1 遗传粒子滤波 153
10.1.1 遗传算法基本原理 153
10.1.2 遗传粒子滤波算法 156
10.2 人工免疫粒子滤波 157
10.2.1 人工免疫算法原理 158
10.2.2 人工免疫粒子滤波算法 160
10.3 人工鱼群粒子滤波 161
10.3.1 人工鱼群算法原理 161
10.3.2 人工鱼群粒子滤波算法 164
10.4 本章小结 165
参考文献 167
第四部分 非线性滤波的扩展与应用 172
第11章 多传感器融合滤波 172
11.1 融合估计系统结构 172
11.2 集中式融合滤波算法 173
11.3 分布式融合滤波算法 176
11.4 应用实例 180
11.4.1 多红外传感器融合跟踪 180
11.4.2 多雷达传感器融合跟踪 182
11.5 本章小结 184
第12章 混合系统模型滤波 185
12.1 混合状态的贝叶斯估计 186
12.2 多模高斯滤波算法 187
12.3 多模粒子滤波算法 189
12.4 应用实例 192
12.4.1 交互多模机动目标跟踪 192
12.4.2 多模跟踪的粒子实现 194
12.5 本章小结 197
参考文献 199
附录 201
附录A 矩阵求逆公式 201
附录B 式（1-78）证明 201
附录C 式（4-42）导出 202
附录D 式（4-43）导出 203
附录E 式（8-5）导出 203
附录F 式（11-16）导出 204