目錄
前言
緒論
O.1 估計理論的發展過程和估計問題的分類
0.2 模型參數估計問題
O.3 時間序列、信號、狀態估計問題
O.4 信息融閤估計問題
o.5 自校正狀態與信號估計問題
O.6 自校正狀態與信號信息融閤估計問題
參考文獻
第1章 ARMA模型與狀態空間模型
1.1 引言
1.2 隨機過程
1.3 自迴歸滑動平均模型
1.4 ARMA過程的展式
1.5 ARMA過程的相關函數
1.6 狀態空間模型
習題
參考文獻
第2章 最小二乘法參數估計
2.1 引言
2.2 遞推最小二乘法
2.3 加權最小二乘法
2.4 遞推增廣最小二乘法
2.5 兩段RLS-RELS算法——改進的RELS算法
2.6 兩段RLS-LS算法
2.7 遞推輔助變量算法及其收斂性
2.8 偏差補償遞推最小二乘法
2.9 多重RLS算法
2.10 多維RLS算法
習題
參考文獻
第3章 狀態與信號的最優估計——經典Kalman濾波與時域Wiener濾波
3.1 引言
3.2 射影理論
3.3 Kalrnan濾波器和預報器
3.4 Kalman平滑器
3.5 白噪聲估值器
3.6 信息濾波器
3.7 穩態Kalman濾波
3.8 基於Kalrnatl濾波的時域wiener濾波方法
習題
參考文獻
第4章 多傳感器最優信息融閤估計——Kalman濾波方法
4.1 引言
4.2 三種加權多傳感器最優信息融閤準則
4.3 多傳感器信息融閤KalInan濾波器和預報器
4.4 多傳感器信息融閤穩態Kalman濾波器和預報器
4.5 分布式信息融閤ARMA信號wiener濾波器
4.6 加權觀測融閤Kalman濾波器
4.7 加權觀測融閤wiener信號濾波器
4.8 帶不同觀測陣的兩種加權觀測融閤Kalman濾波器的功能等價性
習題
參考文獻
第5章 狀態與信號的最優估計——現代時間序列分析方法導論
5.1 引言
5.2 構造ARMA新息模型的Gevers-Wouters算法
5.3 統一的穩態最優白噪聲估計理論
5.4 多通道ARMA信號wiener濾波器
5.5 基於ARMA新息模型的穩態Kalmal，濾波器和預報器
習題
參考文獻
第6章 多傳感器最優信息融閤估計——現代時間序列分析方法
6.1 引言
……
第7章 自校正估計與自校正信息融閤估計
附錄1 穩態Kalman濾波算法Matlab仿真通式
附錄2 三種加權信息融閤算法Matlab仿真通式
附錄3 構造ARMA新息模型的Gevers-Wouers算法Matlab仿真通式
附錄4 RLS-RELS算法Matlab仿真通式
附錄5 RELS算法Matlab仿真通式
· · · · · · (收起)