估计理论及其在跟踪系统中的应用

目录
前言
第1章 绪论 1
1.1 跟踪系统的发展现状 1
1.2 估计理论及其在跟踪系统中的应用发展现状 4
参考文献 12
第2章 不确定系统CI融合保性能鲁棒Kalman滤波 19
2.1 引言 19
2.2 带不确定噪声方差系统保性能鲁棒滤波器 19
2.3 带不确定方差线性相关白噪声系统CI融合保性能鲁棒估值器 29
2.4 带不确定噪声方差和丢失观测的CI融合保性能鲁棒Kalman阻滤波器 43
2.5 本章小结 54
参考文献 55
第3章 混合不确定系统加权状态融合鲁棒Kalman滤波 56
3.1 引言
3.2 混合不确定系统加权融合鲁棒Kalman估值器 56
3.3 带不确定方差乘性和加性噪声系统按对角阵加权融合鲁棒Kalman估值器 68
3.4 本章小结 80
参考文献 80
第4章 混合不确定ARMA信号鲁棒融合Kalman滤波 81
4.1 引言 81
4.2 带丢失观测和不确定噪声方差ARMA信号观测融合鲁棒Kalman估值器 81
4.3 带丢失观测和不确定噪声方差的ARMA信号鲁棒加权融合Kalman估值器 94
4.4 带混合不确定性的ARMA信号鲁棒加权融合Kalman估值器 104
4.5 本章小结 112
参考文献 112
第5章 基于确定性采样卡尔曼滤波的被动跟踪算法 114
5.1 引言 114
5.2 基于观测域确定性采样卡尔曼滤波的被动跟踪算法 120
5.3 基于迭代确定性采样卡尔曼滤波的被动跟踪算法 131
5.4 基于强跟踪确定性采样卡尔曼滤波的被动跟踪算法 142
5.5 本章小结 147
参考文献 148
第6章 基于蒙特卡罗随机采样的被动跟踪算法 150
6.1 引言 150
6.2 基于新的数值积分粒子滤波的机载无源定位算法 153
6.3 基于聚合重采样粒子滤波的机载无源定位算法 160
6.4 本章小结 166
参考文献 167
第7章 拟熏特卡罗粒子滤波的被动跟踪算法 168
7.1 引言 168
7.2 拟蒙特卡罗方法 168
7.3 拟蒙特卡罗自适应粒子滤波的机载无源定位算法 173
7.4 拟蒙特卡罗聚合重采样粒子滤波的机载无源定位算法 176
7.5 本章小结 181
参考文献 181
第8章 基于随机有眼集理论的天部顺顺轨多目荷硕踪方法 183
8.1 引言 183
8.2 基于随机有限集理论的多目标跟踪方法 183
8.3 基于GM-CPHD滤波的低轨多目标天基像平面跟踪方法 185
8.4 低轨多目标天基像平面跟踪的多伯努利平滑方法 194
8.5 基于多模型CPHD滤波的天基观测低轨多目标三维跟踪方法 219
8.6 基于扩展CPHD滤波的传感器系统误差自校准方法 234
8.7 本章小结 248
参考文献 248