多尺度估计理论及其应用

第1章  绪论                  
 1. 1  信息融合估计概述                  
 1. 1. l  信息融合的目的和定义                  
 1. 1. 2  多传感器数据融合技术的特点                  
 1. 1. 3  多传感器数据融合技术的应用                  
 1. 1. 4  数据融合模型框架                  
 1. 1. 5  多传感器系统体系结构                  
 1. 1. 6  多传感器信号融合技术研究的历史与现状                  
 1. 2  多尺度估计理论概述                  
 1. 3  多尺度估计理论的特点                  
 参考文献                  
 第2章  小波分析理论基础                  
 2. 1  短时傅里叶变换                  
 2. 2  小波变换                  
 2. 2. 1  连续小波变换                  
 2. 2. 2  离散栅格下的小波变换                  
 2. 2. 3  几种母小波                  
 2. 3  小波框架                  
 2. 3. 1  框架                  
 2. 3. 2  Riess基与正交基                  
 2. 3. 3  小波框架                  
 2. 4  多尺度分析                  
 2. 4. 1  多尺度分析的定义及基本性质                  
 2. 4. 2  正交小波的构造条件                  
 2. 4. 3  Daubechies小波的构造                  
 2. 4. 4  Mallat算法                  
 2. 5  小波包                  
 2. 5. 1  小波包分解的思想                  
 2. 5. 2  小波包定义与性质                  
 2. 6  推广的小波                  
 2. 6. 1  M带正交小波                  
 2. 6. 2  有理小波                  
 2. 7  小结                  
 参考文献                  
 第3章  状态估计理论基础                  
 3. 1  引言                  
 3. 2  滤波问题的提出                  
 3. 2. 1  卡尔曼滤波问题的提法                  
 3. 2. 2  连续系统的离散化过程                  
 3. 2. 3  离散系统卡尔曼滤波问题的分类                  
 3. 3  预备知识                  
 3. 3. 1  矩阵求逆引理                  
 3. 3. 2  正交定理                  
 3. 4  离散系统卡尔曼最优预测基本方程                  
 3. 4. 1  状态的预测估计                  
 3. 4. 2  状态预测估计的修正                  
 3. 4. 3  最优增益阵                  
 3. 4. 4  误差的无偏性及误差协方差阵                  
 3. 4, 5  离散系统卡尔曼最优预测方程及方框图                  
 3. 5  离散系统卡尔曼最优滤波基本方程                  
 3. 5. 1  卡尔曼最优滤波                  
 3. 5. 2  最优增益阵                  
 3. 5. 3  滤波估计误差及误差协方差阵                  
 3. 5. 4  卡尔曼最优滤波公式及方框图                  
 3. 5. 5  误差协方差阵及最优增益阵计算公式的几种变形                  
 3. 6  离散系统卡尔曼最优平滑基本方程                  
 3. 6. 1  固定区间最优平滑                  
 3. 6. 2  固定点最优平滑                  
 3. 6. 3  固定滞后最优平滑                  
 3. 7  系统噪声或观测噪声为有色噪声的卡尔曼滤波                  
 3. 7. 1  系统噪声为有色噪声, 观测噪声为白噪声                  
 3. 7. 2  系统噪声为白噪声, 观测噪声为有色噪声                  
 3. 8  推广的卡尔曼滤波方程                  
 3. 8. 1  围绕标称轨迹线性化滤波方法                  
 3. 8. 2  围绕滤波值线性化滤波方法                  
 3. 9  小结                  
 参考文献                  
 第4章  多尺度系统理论                  
 4. 1  引言                  
 4. 2  多尺度表示和系统                  
 4. 3  系统理论及实现                  
 4. 3. 1  定义在树上的系统                  
 4. 3. 2  实现理论                  
 4. 4  因果. 非因果系统的平稳性和随机过程                  
 4. 4. 1  同态树及其几何性质                  
 4. 4. 2  移位                  
 4. 4. 3  平稳系统的特征                  
 4. 4. 4  平稳系统的实现                  
 4. 4. 5  平稳随机过程                  
 4. 4. 6  谱计算                  
 4. 5  小结                  
 参考文献                  
 第5章  动态系统的多尺度变换                  
 5. 1  引言                  
 5. 2  系统描述                  
 5. 3  信号的多尺度表示                  
 5. 4  动态系统的多尺度分解                  
 5. 5  小结                  
 附录                  
 参考文献                  
 第6章  分布式系统状态融合估.                   
 6. 1  引言                  
 6. 2  多传感器分布式状态融合                  
 6. 2. 1  系统描述                  
 6. 2. 2  多传感器分布                  
 6. 3  单传感器多模型融合算                  
 6. 3. 1  系统描述                  
 6. 3. 2  单传感器多模型融合估计算法                  
 6. 4  多传感器多模型融合估计算法                  
 6. 4. 1  系统描述                  
 6. 4. 2  多传感器多模型融合估计算法                  
 6. 5  小结                  
 参考文献                  
 第7章  单传感器单模型动态系统多尺度估计                  
 7. 1  引言                  
 7. 2  系统描述                  
 7. 3  多尺度系统模型                  
 7. 4  多尺度分布式估计算法                  
 7. 5  例子与仿真                  
 7. 6  小结                  
 参考文献                  
 第8章  多传感器单模型动态系统多尺度融台估计                  
 8. 1  引言                  
 8. 2  系统描述                  
 8. 3  多尺度融合估计算法                  
 8. 4  多尺度分布式融合估计算法                  
 8. 5  例子与仿真                  
 8. 6  小结                  
 参考文献                  
 第9章  多模型动态系统多尺度融合估计                  
 9. 1  引言                  
 9. 2  多尺度动态模型单传感器动态系统描述                  
 9. 3  多尺度动态模型多传感器动态系统描述                  
 9. 4  多尺度融合估计                  
 9. 5  多尺度分布式融合估计                  
 9. 6  例子                  
 9. 7  小结                  
 参考文献                  
 第10章  多尺度随机建模与多尺度数据融合估计                  
 10. 1  引言                  
 10. 2  问题描述                  
 10. 3  动态系统的多尺度随机建模                  
 10. 4  多尺度递归数据平滑融合估计算法                  
 10. 5  多尺度随机模型数据综合算法的实现                  
 10. 5. 1  状态向量x(i)预测估计与滤波估计