状态估计和关联的实践应用

第1章 参数估计 1．1 引言 1．2 问题描述 1．3 估计器的定义 1．3．1 常参数的估计 1．3．2 随机参数的估计 1．3．3 估计器的特性 1．3．4 估计器性能测度：估计误差 1．4 估计器的推导：线性高斯，常参数 1．4．1 *小二乘估计器 1．4．2 加权*小二乘估计器 1．4．3 极大似然估计器 1．5 估计器的推导：线性高斯，随机参数 1．5．1 *小二乘估计器 1．5．2 加权*小二乘估计器 1．5．3 *大后验概率估计器 1．5．4 条件期望估计器 1．6 噪声和随机参数服从联合高斯分布的非线性量测 1．7 Crame-Rao界值 1．8 数值示例 附录1A 给定误差协方差矩阵条件下相关随机向量的仿真 附录1B *小二乘估计器的其他特性 课后习题 参考文献 第2章 线性系统的状态估计 2．1 引言 2．2 状态方程和量测方程 2．3 状态估计的定义 2．3．1 可观性 2．3．2 估计误差 2．4 状态估计的贝叶斯方法 2．5 状态估计的卡尔曼滤波器 2．6 卡尔曼滤波器的推导：对加权*小二乘参数估计器的扩展 2．7 卡尔曼滤波器的推导：采用递归贝叶斯定理 2．8 对卡尔曼滤波器原始文献中确定估计特性的回顾 2．9 平滑器 2．9．1 标识和定义 2．9．2 固定区间平滑器 2．9．3 固定点平滑器 2．9．4 固定延迟平滑器 2．9．5 噪声量测环境下确定性系统的固定间隔平滑估计 2．9．6 固定间隔平滑估计在卡尔曼滤波器初始条件计算中的应用 2．10 状态估计的Cramer-Rao界值 2．10．1 确定性系统 2．10．2 线性随机系统 2．11 卡尔曼滤波器示例 附录2A随机过程 课后习题 参考文献 …… 第3章 非线性系统的状态估计 第4章 卡尔曼滤波器设计的实际考量 第5章 多模型估计算法 第6章 状态估计的采样方法 第7章 基于多传感器系统的状态估计 第8章 量测来源不确定条件下的估计和关联 第9章 多假设跟踪算法 第10章 有偏量测条件下的多传感器相关和融合 结束语 附录