融合估计与融合控制

前言
第1章 绪论
1.1 多传感器信息融合
1.1.1 研究进展
1.1.2 融合层次
1.1.3 融合结构
1.1.4 融合方法
1.2 信息融合估计
1.2.1 估计理论概述
1.2.2 融合估计理论概述
1.3 信息融合控制
1.3.1 融合控制的基本思想
1.3.2 融合控制理论概述
1.3.3 融合控制应用概述
1.4 小结
上篇 融合估计
　第2章 信息融合估计基本理论
　2.1 传统估计方法
　 2.1.1 最小二乘估计
　 2.1.2 加权最小二乘估计
　 2.1.3 最小方差估计
　 2.1.4 线性最小方差估计
　 2.2 线性信息融合估计
　 2.2.1 统一信息模型
　 2.2.2 统一线性信息融合模型
　 2.2.3 信息量的基本性质
　 2.2.4 融合估计的基本方式
　 2.3 相关信息融合估计
　 2.3.1 信息的相关性与独立性
　 2.3.2 集中融合法
　 2.3.3 合成序贯融合法
　 2.3.4 等效序贯融合法
　 2.3.5 正交化序贯融合法
　 2.4 不确定信息融合估计
　 2.4.1 矩阵紧量与张量
　 2.4.2 不确定信息融合估计
　 2.4.3 应用举例——传感器参数标定
　 2.5 等式约束信息融合估计
　 2.5.1 极限法
　 2.5.2 置换法
　 2.5.3 不等式约束信息融合估计
　 2.6 非线性信息融合估计
　 2.6.1 统一信息融合模型
　 2.6.2 非线性信息融合估计算法
　 2.7 小结
　第3章 随机系统的信息融合滤波理论
　 3.1 传统滤波方法
　 3.1.1 卡尔曼滤波器
　 3.1.2 数值稳定性改进算法
　 3.1.3 扩展卡尔曼滤波器
　 3.2 信息融合滤波
　 3.2.1 信息融合滤波算法
　 3.2.2 与卡尔曼滤波的等价性
　 3.2.3 滤波初值选取
　 3.2.4 无矩阵求逆的信息融合滤波
　 3.3 相关信息融合滤波
　 3.3.1 噪声相关情况
　 3.3.2 有色噪声情况
　 3.4 不确定信息融合滤波
　 3.4.1 引言
　 3.4.2 鲁棒信息融合滤波算法
　 3.5 非线性信息融合滤波
　 3.6 小结
　第4章 多传感器系统的信息融合滤波理论
　 4.1 多传感器系统
　 4.1.1 数学模型
　 4.1.2 状态预测信息独立性原理
　 4.2 多传感器系统的集中式信息融合滤波
　 4.3 多传感器系统的分散式信息融合滤波
　 4.3.1 顺序融合滤波
　 4.3.2 平行融合滤波
　 4.4 多传感器系统的量测信息融合滤波
　 4.5 多传感器系统的状态信息融合滤波
　 4.6 多传感器系统的全信息融合滤波
　 4.6.1 全信息融合滤波结构
　 4.6.2 系统状态预测信息与子系统状态估计信息的正交化
　 4.6.3 正交化融合滤波算法
　 4.6.4 延长周期融合滤波算法
　 4.7 多传感器系统的信息融合联邦滤波
　 4.7.1 信息分享原理
　 4.7.2 信息融合联邦滤波算法
　 4.7.3 联邦滤波分享系数的确定
　 4.7.4 几种融合模式的容错性分析
　 4.7.5 联邦滤波器故障诊断
　 4.7.6 基于递阶联邦滤波的系统重构
　 4.8 多传感器系统的信息融合推广联邦滤波
　 4.8.1 信息分享算法
　 4.8.2 信息融合推广联邦滤波算法
　 4.9 小结
　第5章 信息融合估计在飞行控制系统中的应用
下篇 融合控制
　第6章 信息融合控制基本原理
　第7章 基于融合估计的最优预见控制理论
　第8章 大系统的信息融合控制
　第9章 经济系统的信息融合控制
参考文献