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 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