估計理論及其在跟蹤系統(tǒng)中的應(yīng)用

目錄
前言
第1章 緒論 1
1.1 跟蹤系統(tǒng)的發(fā)展現(xiàn)狀 1
1.2 估計理論及其在跟蹤系統(tǒng)中的應(yīng)用發(fā)展現(xiàn)狀 4
參考文獻 12
第2章 不確定系統(tǒng)CI融合保性能魯棒Kalman濾波 19
2.1 引言 19
2.2 帶不確定噪聲方差系統(tǒng)保性能魯棒濾波器 19
2.3 帶不確定方差線性相關(guān)白噪聲系統(tǒng)CI融合保性能魯棒估值器 29
2.4 帶不確定噪聲方差和丟失觀測的CI融合保性能魯棒Kalman阻濾波器 43
2.5 本章小結(jié) 54
參考文獻 55
第3章 混合不確定系統(tǒng)加權(quán)狀態(tài)融合魯棒Kalman濾波 56
3.1 引言
3.2 混合不確定系統(tǒng)加權(quán)融合魯棒Kalman估值器 56
3.3 帶不確定方差乘性和加性噪聲系統(tǒng)按對角陣加權(quán)融合魯棒Kalman估值器 68
3.4 本章小結(jié) 80
參考文獻 80
第4章 混合不確定ARMA信號魯棒融合Kalman濾波 81
4.1 引言 81
4.2 帶丟失觀測和不確定噪聲方差A(yù)RMA信號觀測融合魯棒Kalman估值器 81
4.3 帶丟失觀測和不確定噪聲方差的ARMA信號魯棒加權(quán)融合Kalman估值器 94
4.4 帶混合不確定性的ARMA信號魯棒加權(quán)融合Kalman估值器 104
4.5 本章小結(jié) 112
參考文獻 112
第5章 基于確定性采樣卡爾曼濾波的被動跟蹤算法 114
5.1 引言 114
5.2 基于觀測域確定性采樣卡爾曼濾波的被動跟蹤算法 120
5.3 基于迭代確定性采樣卡爾曼濾波的被動跟蹤算法 131
5.4 基于強跟蹤確定性采樣卡爾曼濾波的被動跟蹤算法 142
5.5 本章小結(jié) 147
參考文獻 148
第6章 基于蒙特卡羅隨機采樣的被動跟蹤算法 150
6.1 引言 150
6.2 基于新的數(shù)值積分粒子濾波的機載無源定位算法 153
6.3 基于聚合重采樣粒子濾波的機載無源定位算法 160
6.4 本章小結(jié) 166
參考文獻 167
第7章 擬熏特卡羅粒子濾波的被動跟蹤算法 168
7.1 引言 168
7.2 擬蒙特卡羅方法 168
7.3 擬蒙特卡羅自適應(yīng)粒子濾波的機載無源定位算法 173
7.4 擬蒙特卡羅聚合重采樣粒子濾波的機載無源定位算法 176
7.5 本章小結(jié) 181
參考文獻 181
第8章 基于隨機有眼集理論的天部順順軌多目荷碩蹤方法 183
8.1 引言 183
8.2 基于隨機有限集理論的多目標(biāo)跟蹤方法 183
8.3 基于GM-CPHD濾波的低軌多目標(biāo)天基像平面跟蹤方法 185
8.4 低軌多目標(biāo)天基像平面跟蹤的多伯努利平滑方法 194
8.5 基于多模型CPHD濾波的天基觀測低軌多目標(biāo)三維跟蹤方法 219
8.6 基于擴展CPHD濾波的傳感器系統(tǒng)誤差自校準方法 234
8.7 本章小結(jié) 248
參考文獻 248