最优状态估计与系统辨识

第一篇最优状态估计
第1章最优估计的基本概念
1.1估计.最优估计和最优估计方法
1.2最小方差估计
1.3极大似然估计
1.4极大验后估计
1.5线性最小方差估计
1.6最小二乘估计
1.7各种估计方法的比较及其关系
习题1
第2章线性系统的卡尔曼滤波
2.1引言
2.2卡尔曼滤波问题的提法
2.3线性离散系统的卡尔曼最优预测基本方程
2.4线性离散系统的卡尔曼最优滤波
2.5线性连续系统的卡尔曼最优滤波
习题2
第3章最优线性平滑
3.1概述
3.2固定区间最优平滑
3.3固定点最优平滑
3.4固定滞后最优平滑
习题3
第4章卡尔曼滤波的稳定性
4.1卡尔曼滤波的稳定性概念
4.2随机线性系统的可控性和可观测性
4.3滤波误差方差阵的上.下界
4.4滤波稳定性定理的证明
4.5滤波误差方差阵的渐近性定理
4.6线性定常随机系统的滤波稳定性
习题4
第5章滤波的发散及其克服方法
5.1滤波的发散问题
5.2渐消记忆(衰减记忆)滤波
5.3限定记忆滤波
5.4自适应滤波
5.5平方根滤波
习题5
第6章非线性滤波
6.1非线性最优状态估计问题的提法
6.2围绕标称轨道线性化的滤波方法
6.3推广的卡尔曼滤波--围绕滤波值线性化的滤波方法
6.4迭代滤波
习题6
第二篇系统辨识
第7章系统辨识的一些基本概念
7.1系统和模型
7.2系统辨识的定义及基本原理
7.3系统辨识的内容与步骤
7.4辨识方案和辨识方法
习题7
第8章脉冲响应法和相关函数法
8.1脉冲响应法
8.2相关函数法
8.3局部辨识法
习题8
第9章最小二乘类辨识方法
9.1最小二乘法
9.2辅助变量法
9.3广义最小二乘法
9.4增广矩阵法
9.5相关函数--最小二乘相结合的方法
9.6限定记忆的最小二乘法
习题9
第10章极大似然法和预报误差法
10.1极大似然法的基本原理
lo.2极大似然法用于动态系统的参数估计
10.3极大似然法的数值解法
10.4递推的极大似然法
10.5预报误差法
10.6极大似然估计的一致性
习题10
第11章时间序列模型与随机逼近法
11.1时间序列的建模
11.2随机逼近法
11.3递推算法的收敛性
11.4各种参数估计方法的比较
习题11
第12章多输入多输出(MIMO)线性系统的辨识
12.1概述
12.2传递函数矩阵模型的辨识
12.3脉冲响应矩阵模型的辨识
12.4状态空间模型的辨识
12.5输入输出差分方程模型的辨识
12.6当采用递推最小二乘算法时不同模型参数估计的比较
习题12
第13章闭环系统辨识
13.1概述
13.2闭环系统辨识的可辨识性
13.3直接辨识法
13.4间接辨识法
13.5联合过程法
习题13
第14章系统辨识的一些有关问题
14.1先验知识的利用与辨识方法的选择
14.2开环可辨识性问题
14.3最优输入信号及其设计
14.4观测数据的采集和预处理
14.5单输入单输出系统的阶数的确定
14.6模型验证
14.7卡尔曼滤波用于参数估计
14.8状态变量与参数的联合估计
习题14
附录
附录1向量.矩阵的微分运算
附录2矩阵求逆引理
附录3正定矩阵及其性质
附录4矩阵许瓦茨不等式
附录5随机变量与随机过程的基本概念
附录6正交定理
附录7点估计理论
参考文献