贝叶斯信号处理:经典、现代和粒子滤波方法(第2版)

第1章 绪论 1.1 概述 1.2 贝叶斯信号处理 1.3 基于仿真的贝叶斯处理方法 1.4 基于贝叶斯模型的信号处理 1.5 符号和术语 参考文献 习题 第2章 贝叶斯估计 2.1 概述 2.2 批量贝叶斯估计 2.3 批量*大似然估计 2.4 批量*小方差估计 2.5 序贯贝叶斯估计 2.6 本章小结 参考文献 习题 第3章 基于模拟的贝叶斯方法 3.1 概述 3.2 概率密度函数估计 3.3 采样理论 3.4 蒙特卡洛方法 3.5 重要性采样 3.6 序贯重要性采样 3.7 本章小结 参考文献 习题 第4章 贝叶斯处理的状态空间模型 4.1 概述 4.2 连续时间状态空间模型 4.3 采样数据状态空间模型 4.4 离散时间状态空间模型 4.5 高斯-马尔可夫状态空间模型 4.6 新息模型 4.7 状态空间模型结构 4.8 非线性（近似）高斯-马尔可夫状态空间模型 4.9 本章小结 参考文献 习题 第5章 经典贝叶斯状态空间处理器 5.1 概述 5.2 状态空间的贝叶斯方法 5.3 线性贝叶斯处理器（线性卡尔曼滤波器） 5.4 线性化贝叶斯处理器（线性化卡尔曼滤波器） 5.5 扩展贝叶斯处理器（扩展卡尔曼滤波器） 5.6 迭代扩展贝叶斯处理器（迭代扩展卡尔曼滤波器） 5.7 经典贝叶斯处理器的实际问题 5.8 实例分析：RLC电路问题 5.9 本章小结 参考文献 习题 第6章 现代贝叶斯状态空间处理器 6.1 概述 6.2 σ点（无迹）变换 6.3 σ点贝叶斯处理器（无迹卡尔曼滤波器） 6.4 正交贝叶斯处理器 6.5 高斯和（混合）贝叶斯处理器 6.6 实例研究：二维跟踪问题 6.7 集合贝叶斯处理器（集合卡尔曼滤波器） 6.8 本章小结 参考文献 习题 第7章 基于粒子的贝叶斯状态空间滤波器 7.1 概述 7.2 贝叶斯状态空间粒子滤波器 7.3 重要性建议分布 7.4 重采样 7.5 状态空间粒子滤波算法 7.6 粒子滤波器设计的实用问题 7.7 实例分析：人口增长问题 7.8 本章小结 参考文献 习题 第8章 联合贝叶斯状态／参数处理器 8.1 概述 8.2 贝叶斯方法联合状态／参数估计 8.3 经典／现代联合贝叶斯状态／参数处理器 8.4 基于粒子的联合贝叶斯状态／参数处理器 8.5 实例分析：使用合成孔径拖曳基阵进行随机目标跟踪 8.6 本章小结 参考文献 习题 第9章 离散隐马尔可夫模型贝叶斯处理器 9.1 概述 9.2 隐马尔可夫模型 9.3 隐马尔可夫模型特性 9.4 隐马尔可夫模型观察概率：评估问题 9.5 隐马尔可夫模型状态估计：维特比算法 9.6 隐马尔可夫模型参数估计：*大期望算法（EM）／鲍姆-韦尔奇算法 9.7 实例研究：时间反转解码 9.8 本章小结 参考文献 习题 第10章 序贯贝叶斯检测 10.1 概述 10.2 二元检测问题 10.3 决策标准 10.4 性能指标 10.5 序贯检测 10.6 基于模型的序贯检测 10.7 基于模型的变化（异常）检测 10.8 实例研究：再入飞行器变化检测 10.9 本章小结 参考文献 习题 第11章 基于物理应用的贝叶斯处理器 11.1 自动对齐*佳位置估计 11.2 宽带海洋声源序贯检测 11.3 生物威胁贝叶斯定理处理 11.4 用于放射源检测的贝叶斯处理 11.5 序贯威胁检测：基于物理的X射线方法 11.6 浅海应用的自适应处理 参考文献 附录 概率与统计概要 A.1 概率论 A.2 高斯随机向量 A.3 不相关变换：高斯随机向量 参考文献 中英文对照表