面向傳感器網(wǎng)絡(luò)的一致性卡爾曼濾波

目錄
前言 Ⅲ
符號(hào)表 Ⅶ
常用術(shù)語(yǔ)縮寫表 Ⅷ
第1章 緒論 1
1.1 研究背景、研究動(dòng)機(jī)及研究問(wèn)題 1
1.1.1 多傳感器融合 4
1.1.2 一致性濾波 7
1.1.3 分布式狀態(tài)估計(jì)的可觀性和可檢性問(wèn)題 11
1.2 內(nèi)容提綱 13
1.2.1 內(nèi)容概述 13
1.2.2 每章內(nèi)容 14
1.2.3 本書特色 16
第2章 預(yù)備知識(shí) 17
2.1 圖論初步知識(shí) 17
2.2 可觀性與可檢性 19
2.3 相關(guān)引理 20
2.4 本章小結(jié) 23
第3章 一致性卡爾曼濾波誤差協(xié)方差一致有界性 24
3.1 前言 24
3.2 系統(tǒng)模型 24
3.3 基于信息一致的一致性卡爾曼濾波 25
3.4 共同一致完全可觀性 26
3.5 誤差協(xié)方差下界 28
3.6 誤差協(xié)方差上界 29
3.7 其他一致性卡爾曼濾波誤差協(xié)方差的一致界問(wèn)題 34
3.8 數(shù)值仿真 37
3.9 本章小結(jié) 38
第4章 互相關(guān)性未知情形的一致性卡爾曼濾波 39
4.1 前言 39
4.2 系統(tǒng)模型 39
4.3 基于協(xié)方差交叉的一致性卡爾曼濾波 40
4.4 穩(wěn)定性分析 43
4.4.1 誤差協(xié)方差矩陣的有界性 44
4.4.2 估計(jì)誤差的有界性 47
4.5 仿真例子 52
4.6 本章小結(jié) 55
第5章 傳感器網(wǎng)絡(luò)的加權(quán)一致可觀性 56
5.1 前言 56
5.2 系統(tǒng)模型 57
5.3 基于測(cè)量一致的一致性卡爾曼濾波 57
5.4 加權(quán)一致可觀性 58
5.5 誤差協(xié)方差界 59
5.6 優(yōu)化權(quán)重 62
5.7 數(shù)值仿真 65
5.8 本章小結(jié) 67
第6章 傳感器網(wǎng)絡(luò)的快速協(xié)方差交叉算法 68
6.1 前言 68
6.2 系統(tǒng)模型 68
6.3 聯(lián)合一致可觀性 69
6.4 基于可觀性格拉姆（Gramian）矩陣的快速協(xié)方差交叉算法 72
6.5 仿真例子 75
6.6 本章小結(jié) 77
第7章 基于加權(quán)平均一致的無(wú)跡卡爾曼濾波 78
7.1 前言 78
7.2 系統(tǒng)模型 78
7.3 無(wú)跡卡爾曼濾波 79
7.3.1 預(yù)測(cè)更新 79
7.3.2 測(cè)量更新 80
7.4 加權(quán)平均一致性 80
7.5 估計(jì)誤差的隨機(jī)有界性 83
7.6 仿真例子 90
7.7 本章小結(jié) 94
第8章 飽和現(xiàn)象下基于信息一致的無(wú)跡卡爾曼濾波 95
8.1 前言 95
8.2 系統(tǒng)模型 95
8.3 無(wú)跡卡爾曼濾波 96
8.3.1 預(yù)測(cè)更新 96
8.3.2 測(cè)量更新 97
8.4 基于信息一致的無(wú)跡卡爾曼濾波 98
8.5 仿真例子 100
8.6 本章小結(jié) 104
第9章 本書總結(jié)與展望 105
9.1 一般情形下傳感器網(wǎng)絡(luò)的新型可觀性（可檢性）條件的數(shù)學(xué)表達(dá) 105
9.2 傳感器網(wǎng)絡(luò)的一致性卡爾曼濾波算法設(shè)計(jì) 106
9.3 時(shí)變系統(tǒng)分布式一致性卡爾曼濾波算法的穩(wěn)定性分析 107
附 錄 109
附錄A CVX簡(jiǎn)介 109
附錄B YALMIP簡(jiǎn)介 112
參考文獻(xiàn) 114