動態(tài)多尺度系統(tǒng)估計理論與應(yīng)用

前言
第1章 緒論
1.1 引言
1.2 基于MAR框架的多尺度系統(tǒng)理論
1.2.1 模型
1.2.2 算法
1.2.3 應(yīng)用
1.3 多分辨濾波和分布式多分辨濾波
1.4 基于線性投影方程的動態(tài)多尺度系統(tǒng)估計
1.5 其他相關(guān)研究
1.6 本書章 節(jié)安排
第2章 基礎(chǔ)知識
2.1 多分辨分析
2.1.1 多分辨分析
2.1.2 多尺度分解與重構(gòu)
2.2 狀態(tài)估計
2.2.1 最小二乘估計
2.2.2 標(biāo)準(zhǔn)卡爾曼濾波
2.2.3 有色噪聲條件下的卡爾曼濾波
2.2.4 推廣卡爾曼濾波
2.3 多傳感器信息融合
2.3.1 多傳感器信息融合的定義
2.3.2 多傳感器信息融合特點與性能優(yōu)勢
2.3.3 多傳感器信息融合系統(tǒng)結(jié)構(gòu)
2.3.4 多傳感器信息融合的級別
2.3.5 多傳感器信息融合的典型應(yīng)用
2.4 本章小結(jié)
第3章 基于MAR模型的靜態(tài)估計算法和多尺度狀態(tài)空間的分析與綜合
3.1 引言
3.2 MAR研究概述
3.2.1 MAR建模
3.2.2 MAR平滑算法
3.2.3 MAR實現(xiàn)
3.3 多尺度系統(tǒng)狀態(tài)空間的幾個概念
3.3.1 能達性和能控性
3.3.2 能觀性和可重構(gòu)性
3.3.3 穩(wěn)定性
3.4 邊界、穩(wěn)定性和穩(wěn)態(tài)行為
3.4.1 多尺度估計算法中誤差方差的上下界
3.4.2 多尺度濾波器的穩(wěn)定性
3.4.3 穩(wěn)態(tài)濾波器
3.5 本章小結(jié)
第4章 基于MAR模型的多尺度動態(tài)遞歸估計算法
4.1 引言
4.2 動態(tài)系統(tǒng)的遞歸估計
4.3 多尺度動態(tài)遞歸估計算法
4.3.1 多尺度更新步
4.3.2 多尺度預(yù)測步
4.4 性能分析
4.4.1 收斂性分析
4.4.2 分?jǐn)?shù)方差減少
4.5 本章小結(jié)
第5章 動態(tài)多尺度系統(tǒng)分布式融合估計算法
5.1 引言
5.2 一種測量方程和狀態(tài)方程的分解方法
5.3 動態(tài)系統(tǒng)多尺度變換有效性分析
5.3.1 測量方程分解的有效性分析
5.3.2 狀態(tài)方程分解的有效性分析
5.3.3 信號序列經(jīng)小波變換后的相關(guān)性分析
5.4 動態(tài)系統(tǒng)多尺度融合估計算法
5.4.1 系統(tǒng)描述章
5.4.2 多尺度分布式融合估計算法
5.4.3 多尺度融合估計算法
5.5 本章小結(jié)
第6章 基于Haar小波的動態(tài)多尺度系統(tǒng)建模及集中式最優(yōu)估計算法
6.1 引言章
6.2 DMS建模
6.2.1 DMS描述
6.2.2 I）MS建模
6.3 離散DMS集中式模型及其Har小波實現(xiàn)
6.3.1 一類典型的離散動態(tài)多尺度系統(tǒng)
6.3.2 動態(tài)多尺度系統(tǒng)Haar小波實現(xiàn)
6.3.3 系統(tǒng)在各尺度狀態(tài)最優(yōu)估計的輸出
6.4 系統(tǒng)的隨機可控性
6.4.1 系統(tǒng)完全隨機可控的條件
6.4.2 （A，B）完全隨機可控時（A，B）完全隨機可控的條件
6.5 系統(tǒng)的隨機可測性
G.s.1 系統(tǒng)完全隨機可測的條什
6.5.2 （C1，A）完全可測時（C，A）完全可測的條件
6.6 卡爾曼濾波系統(tǒng)的穩(wěn)定性
6.7 基于Haar小波的集中式最優(yōu)估計算法仿真
6.7.1 兩個尺度時的估計算法仿真
6.7.2 三個尺度時的估計算法仿真
6.8 本章小結(jié)
第7章 基于一般緊支撐小波的動態(tài)多尺度系統(tǒng)集中式最優(yōu)估計算法
7.1 引言
7.2 離散DMS一般緊支撐小波實現(xiàn)
7.3 離散定常DMS的一般緊支撐小波實現(xiàn)形式
7.4 系統(tǒng)的隨機可控性
7.4.1 系統(tǒng)完全隨機可控的條件
7.4.2 （A，B）完全隨機可控時（A，B）完全隨機可控的條件
7.5 系統(tǒng)的隨機可測性
7.5.1 系統(tǒng)完全隨機可測的條件
7.5.2 （C1，A）完全可測時（C，A）完全可測的條件
7.6 卡爾曼濾波系統(tǒng)的穩(wěn)定性
7.7 基于一般緊支撐小波的集中式最優(yōu)估計算法仿真
7.8 本章小結(jié)
第8章 基于Haar小波的動態(tài)多尺度系統(tǒng)序貫式最優(yōu)估計算法
8.1 引言
8.2 序貫式卡爾曼濾波
8.2.1 序貫式卡爾曼濾波算法
8.2.2 序貫式估計與集中式估計的一致性
8.2.3 序貫式濾波的穩(wěn)定性
8.3 基于Haar小波的DMS序貫式估計
8.3.1 Haar小波多尺度系統(tǒng)結(jié)構(gòu)
8.3.2 多尺度系統(tǒng)方程
8.3.3 系統(tǒng)序貫式濾波
8.3.4 估計值xy-1（k/k）和P2i-1（k）的計算
8.4 基于Haar小波的序貫式最優(yōu)估計算法仿真
8.5 本章小結(jié)
第9章 基于一般緊支撐小波的動態(tài)多尺度系統(tǒng)序貫式最優(yōu)估計算法
9.1 引言
9.2 系統(tǒng)序貫式濾波
9.3 最細(xì)尺度上的濾波計算
9.3.1 對x-b（k）的序貫式濾波
9.3.2 對x-b（k），xh1（2J-1k-n3+l1），…，xh1（2J-1（k十1）-1）的固定區(qū)間平滑
9.3.3 對xk（2J-1（k+1）），…，xk1（2J-1k-mJ）的最優(yōu)預(yù)測
9.3.4 P2J-1（k）的計算
9.4 基于一般緊支撐小波的DMS序貫式最優(yōu)估計算法仿真
9.5 本章小結(jié)
第10章 動態(tài)多尺度系統(tǒng)有色噪聲條件下的估計算法
10.1 引言
10.2 系統(tǒng)噪聲為白噪聲，觀測噪聲為有色噪聲
10.2.1 狀態(tài)方程的建立
10.2.2 觀測方程的建立
10.3 系統(tǒng)噪聲為有色噪聲，觀測噪聲為白噪聲
10.3.1 狀態(tài)方程的建立
10.3.2 觀測方程的建立
10.4 系統(tǒng)噪聲和觀測噪聲都為有色噪聲
10.4.1 狀態(tài)方程的建立
10.4.2 觀測方程的建立
10.5 仿真結(jié)果及分析
10.6 本章小結(jié)
第11章 非線性動態(tài)多尺度系統(tǒng)估計算法
11.1 引言
11.2 系統(tǒng)方程非線性、觀測方程線性
11.2.1 狀態(tài)方程的建立
11.2.2 觀測方程的建立
11.3 系統(tǒng)方程線性、觀測方程非線性
11.3.1 狀態(tài)方程的建立
11.3.2 觀測方程的建立
11.4 系統(tǒng)方程和觀測方程都為非線性
11.4.1 狀態(tài)方程的建立
11.4.2 觀測方程的建立
11.5 仿真結(jié)果及分析
11.6 本章小結(jié)
第12章 基于M帶小波的動態(tài)多尺度系統(tǒng)估計算法
12.1 引言
12.2 基于狀態(tài)空間投影的集中式最優(yōu)估計算法
12.2.1 基于M帶小波的狀態(tài)空間投影
12.2.2 觀測方程
12.2.3 狀態(tài)方程
12.2.4 各尺度上的最優(yōu)狀態(tài)估計值
12.3 本章小結(jié)
結(jié)束語
參考文獻