第1章 绪论 1
1.1 Kalman滤波理论 1
1.2 多传感器信息融合状态估计 5
1.3 自校正信息融合Kalman估值理论 9
1.4 ARMA信号的自校正信息融合估值器 14
1.5 主要研究内容 15
第2章 Kalman估值器 17
2.1 射影理论 17
2.2 滤波器和预报器 25
2.3 平滑器 32
2.4 白噪声估值器 38
2.5 时变系统Kalman估值器 43
2.6 定常系统的最优和稳态Kalman估值器 46
第3章 最优加权观测融合Kalman估值器 48
3.1 多传感器加权观测融合Kalman估值器 49
3.2 加权观测融合Kalman滤波算法的功能等价性 68
3.3 数值仿真例子 75
3.4 结论 84
第4章 系统辨识方法 85
4.1 最小二乘估计 85
4.2 WLS估计 94
4.3 多传感器多通道ARMA模型信息融合多段辨识 99
第5章 自校正加权观测融合Kalman估值器 106
5.1 带未知噪声方差系统的自校正加权观测融合Kalman估值器 106
5.2 带未知参数和噪声方差系统的自校正观测融合Kalman估值器 112
5.3 仿真例子 120
5.4 结论 135
第6章 自校正加权观测融合Kalman估值器的收敛性分析 136
6.1 收敛性分析的DESA方法和DVESA方法 137
6.2 自校正Riccati方程的收敛性分析 146
6.3 自校正Kalman估值器的收敛性分析 155
6.4 结论 159
第7章 自校正加权观测融合Kalman信号估值器 160
7.1 单通道AR信号的自校正加权观测融合Kalman估值器 161
7.2 多通道ARMA信号的自校正加权观测融合Kalman估值器 166
7.3 仿真例子 174
7.4 结论 188
参考文献 190