第1章 自适应滤波器基本原理 1
1.1引言 1
1.2自适应滤波器 2
1.3最小均方误差 4
1.4最小均方自适应滤波器 6
1.4.1最速下降法 6
1.4.2最小均方自适应滤波 7
1.5递归最小二乘自适应滤波器 8
1.5.1最小二乘法 8
1.5.2递归最小二乘法 9
1.6卡尔曼滤波器 10
1.7粒子滤波器 12
1.8本章小结 13
参考文献 13
第2章 卡尔曼滤波器原理及分类 15
2.1引言 15
2.2线性连续系统的离散化 15
2.3线性离散卡尔曼滤波器 17
2.3.1贝叶斯滤波理论 17
2.3.2线性最小方差估计 18
2.4非线性离散卡尔曼滤波器 22
2.4.1非线性函数的近似 25
2.4.2概率密度函数的近似 31
2.5本章小结 36
参考文献 36
第3章 容积卡尔曼滤波器 39
3.1引言 39
3.2数值积分 39
3.3容积积分准则 44
3.3.1积分坐标变换 44
3.3.2球面-径向准则 45
3.3.3径向准则 49
3.3.4容积准则 51
3.4矩阵分解 55
3.5球面-径向容积卡尔曼滤波器 57
3.5.1滤波算法 57
3.5.2收敛性分析 64
3.5.3仿真分析 66
3.6球面单纯形-径向容积卡尔曼滤波器 71
3.6.1滤波算法 71
3.6.2仿真分析 72
3.7本章小结 75
参考文献 76
第4章 非线性卡尔曼滤波算法的增益特性 78
4.1引言 78
4.2状态空间模型及特性 78
4.3标量无先导卡尔曼滤波算法及其增益特性分析 83
4.3.1滤波算法 83
4.3.2卡尔曼增益特性的理论分析 84
4.3.3仿真分析 88
4.4标量容积卡尔曼滤波算法及其增益特性分析 91
4.4.1滤波算法 91
4.4.2卡尔曼增益特性的理论分析 92
4.4.3仿真分析 93
4.5本章小结 95
参考文献 96
第5章 非线性卡尔曼滤波器系列的应用 97
5.1引言 97
5.2基因识别 99
5.2.1研究现状 99
5.2.2基于符号动力学的DNA序列表示方法 102
5.2.3基于非线性卡尔曼滤波器的基因识别 110
5.3混沌信号的滤波与混沌通信 117
5.3.1混沌 117
5.3.2混沌的定义 117
5.3.3混沌的主要特征 119
5.3.4基于混沌的通信 124
5.3.5仿真分析 129
5.4盲信号分离 143
5.4.1盲信号分离问题概述 143
5.4.2基于卡尔曼滤波器的盲信号分离算法 145
5.4.3基于非线性卡尔曼滤波器的盲信号分离算法 151
5.5本章小结 162
参考文献 162
第6章 双非线性卡尔曼滤波器系列 167
6.1引言 167
6.2双非线性卡尔曼滤波器 168
6.2.1状态估计 168
6.2.2参数估计 172
6.2.3双估计 173
6.3仿真分析 174
6.3.1信道均衡 174
6.3.2通信 181
6.4本章小结 188
参考文献 188
第7章 非线性卡尔曼滤波器阵列算法 190
7.1引言 190
7.2滤波器阵列 191
7.2.1系统模型 191
7.2.2反馈型无先导卡尔曼滤波器阵列算法 192
7.2.3反馈型平方根无先导卡尔曼滤波器阵列算法 195
7.3仿真分析 197
7.3.1两用户通信 197
7.3.2多用户通信 202
7.4本章小结 203
参考文献 204
第8章 非线性卡尔曼信息滤波器 206
8.1引言 206
8.2矩阵求逆引理 206
8.3两种信息矩阵的更新 207
8.4扩展卡尔曼信息滤波器 209
8.5非线性信息滤波器 210
8.5.1一类非线性信息滤波器 211
8.5.2平方根非线性信息滤波器 214
8.5.3稳定性分析 218
8.6仿真分析 224
8.6.1稳定性仿真 224
8.6.2轨迹跟踪 229
8.7本章小结 232
参考文献 232
第9章 传感器网络中的信号盲分离 234
9.1引言 234
9.2传感器网络中的信号盲分离 236
9.2.1盲分离模型 236
9.2.2信号量化 238
9.2.3盲分离算法 243
9.2.4算法复杂度分析 246
9.2.5仿真分析 246
9.3本章小结 250
参考文献 251
第10章 传感器网络中的信号重构 253
10.1引言 253
10.2传感器网络中的信号重构 254
10.2.1信号重构模型 254
10.2.2信号量化 255
10.2.3信号重构算法 256
10.2.4算法复杂度分析 259
10.2.5仿真分析 259
10.3本章小结 263
参考文献 263