由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书多传感器估计理论及其应用9787030427168
¥ ×1
前言
章绪论1
1.1背景与意义1
1.2多传感器数据融合的体系结构2
1.2.1多传感器数据融合的定义2
1.2.2多传感器数据融合的原理与体系结构3
1..多传感器数据融合的优缺点7
1.3多传感器数据融合估计算法分类综述8
1.3.1采样率系统9
1.3.2单采样率多传感器数据融合状态估计算法11
1.3.3多采样率多传感器数据融合状态估计算法14
1.3.4异步多传感器数据融合估计算法19
1.3.5噪声相关环境下的数据融合估计算法20
1.3.6网络环境下的滤波和融合问题22
1.3.7非线系统数据融合估计算法27
1.4组合导航系统与方法概述30
1.5当前研究热点、难点与未来的研究方向33
1.6本书的主要内容及章节安排34
1.7本章小结35
第2章随机离散动态系统的Kalman滤波36
2.1问题的提出36
2.2优均方估计37
2.2.1优均方估计的定义37
2.2.2绒优均方估计38
.Kalman优滤波基本方程40
..1系统描述40
..2离散时间Kalman滤波基本方程42
..离散时间Kalman滤波基本方程的直观推导44
..4离散时间Kalman滤波基本方程的投影法明48
2.4Kalman优预测基本方程52
2.4.1状态的预测估计52
2.4.2状态预测估计的修正53
2.4.3优增益阵54
2.4.4误差的无偏及误差方差阵55
2.4.5离散系统Kalman优预测基本方程56
2.5Kalman优平滑基本方程57
2.5.1固定区间优平滑58
2.5.2固定点优平滑58
2.5.3固定滞后优平滑60
2.6扩展Kalman滤波61
2.6.1围绕标称轨道线化滤波方法62
2.6.2围绕滤波值线化滤波方法65
2.7本章小结67
第3章变速率非均匀采样系统的Kalman滤波68
3.1引言68
3.2问题描述68
3.3非均匀采样系统的Kalman滤波算法70
3.4算法能分析78
3.5实例80
3.6本章小结83
第4章多尺度Kalman滤波及基于多尺度测量预处理的数据融合84
4.1引言84
4.2小波分析概述85
4.2.1小波变换的定义与基本质5
4.2.2多尺度分析88
4..Mallat算法92
4.3多尺度Kalman滤波96
4.4基于多尺度测量预处理的数据融合100
4.4.1系统描述100
4.4.2信号的多尺度表示101
4.4.3基于小波变换的多尺度测量预处理102
4.4.4基于多传感器多尺度测量预处理的信号去噪方法103
4.5实例104
4.6本章小结107
第5章基于线系统的多速率传感器数据融合估计108
5.1引言108
5.2问题描述108
5.3线动态系统的多速率多传感器数据融合估计110
5.3.1基于状态分块的融合估计算法110
5.3.2两种分布式数据融合状态估计算法114
5.4实例121
5.5本章小结124
第6章随机丢包情况下多速率传感器鲁棒融合估计125
6.1引言125
6.2问题描述125
6.3基于不完全观测数据的多速率传感器融合估计算法126
6.3.1模型约简126
6.3.2融合算法130
6.4实例131
6.5本章小结136
第7章时不变线系统的异步多速率传感器数据融合估计137
7.1引言137
7.2问题描述138
7.3尺度递归融合估计算法139
7.3.1多尺度状态空间模型139
7.3.2尺度递归状态融合估计算法141
7.4基于混合式结构的融合估计算法150
7.5两种分布式融合估计算法155
7.5.1递归朕邦分布式融合估计156
7.5.2有反馈分布式融合估计160
7.6实例164
7.6.1尺度递归融合估计算法1
7.6.2混合式融合估计算法18
7.6.3分布式融合估计算法10
7.7本章小结175
第8章时不变系统异步多速率间歇数据的鲁棒融合估计176
8.1引言176
8.2问题描述176
8.3随机丢包下的异步多速率传感器数据融合算法177
8.4实例188
8.4.1圆周运动的机动目标跟踪188
8.4.2目标跟踪系统的状态估计192
8.5本章小结196
第9章时变线系统的异步多速率传感器数据融合估计197
9.1引言197
9.2问题描述197
9.3基于速率归一化和联邦Kalman滤波的分布式融合估计198
9.3.1异步多速率系统的速率归一化数学建模199
9.3.2基于联邦Kalman滤波的数据融合估计203
9.4异步多速率数据的顺序式融合估计-205
9.5实例211
9.5.1基于联邦Kalman滤波的融合估计算法211
9.5.2顺序式融合估计算法21
9.6本章小结219
0章异步多速率传感器线系统的建模与容错融合估计220
10.1引言220
10.2问题描述222
10.3优状态估计算法2
10.3.1异步多速率多传感器系统建模2
10.3.2无故障情况下的数据融合估计226
10.3.3存在不可靠观测情况T的状态容错融合估计算法229
10.4状态容错融合估计算法的能分析0
10.5实例
10.6本章小结241
1章相关噪声环境下的多传感器数据融合243
11.1引言243
11.2问题描述243
11.3优融合算法244
11.3.1优集中式融合244
11.3.2优顺序式融合244
11.3.3优分布式融合247
11.4实例251
11.5本章小结255
2章相关噪声环境下多速率传感器融合估计257
12.1引言257
12.2问题描述258
1.序贯式融合估计算法259
12.4分布式融合估计算法267
12.5实例274
12.5.1序贯式融合估计算法24
12.5.2分布式融合估计算法28
12.6本章小结282
3章噪声统计特未知情况下的多源信息融合估计283
13.1引言283
13.2相关多源信息融合估计算法简述283
13.2.1广义凸组合融合算法283
13.2.2基于集合论的松弛切比雪夫中心协方差交叉算法286
13..基于信息论的快速协方差交叉算法288
13.2.4容错广义凸组合融合算法292
13.3两种改进的多源信息融合估计算法296
13.3.1改进的松弛切比雪夫协方差叉融算法296
13.3.2改进的快速协方差交叉算法298
13.4实例299
13.4.1Kalman滤波算法得到局部估计值299
13.4.2RCC-CI、IT-FC,CI分析300
13.4.3FGCC、CI/CU分析305
13.4.4改进算法的分析308
13.5本章小结310
4章非线系统异步多速率传感器数据融合估计312
14.1引言312
14.2问题描述313
14.3状态融合估计算法314
14.3.1基于SPKF方法估计非线时变系统的状态315
14.3.2基于STF方法估计非线时变系统的状态320
14.3.3非线系统状态估计新算法:SPSTF324
14.4实例331
14.5本章小结339
5章非线系统异步多速率传感器数据容错融合估计340
15.1引言340
15.2问题描述341
15.3异步多速率传感器数据容错融合估计算法342
15.4实例348
15.5本章小结356
6章多传感器优估计理论在导航系统中的应用357
16.1引言357
16.2组合导航系统模型357
16.3多速率系统的鲁棒Kalman滤波及在导航系统中的应用361
16.4实例365
16.5本章小结367
参考文献368
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
