返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 醉染图书多传感器估计理论及其应用9787030427168
  • 正版全新
    • 作者: 闫莉萍 等著 | 闫莉萍 等编 | 闫莉萍 等译 | 闫莉萍 等绘
    • 出版社: 科学出版社
    • 出版时间:2015-03-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 闫莉萍 等著| 闫莉萍 等编| 闫莉萍 等译| 闫莉萍 等绘
    • 出版社:科学出版社
    • 出版时间:2015-03-01
    • 版次:1
    • 印次:5
    • 字数:493000
    • 页数:392
    • 开本:16开
    • ISBN:9787030427168
    • 版权提供:科学出版社
    • 作者:闫莉萍 等
    • 著:闫莉萍 等
    • 装帧:平装
    • 印次:5
    • 定价:168.00
    • ISBN:9787030427168
    • 出版社:科学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2015-03-01
    • 页数:392
    • 外部编号:1202325404
    • 版次:1
    • 成品尺寸:暂无

    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

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购