官术网_书友最值得收藏!

濾波器設(shè)計(jì)理論及應(yīng)用:非線性非高斯系統(tǒng)狀態(tài)估計(jì)
會(huì)員

本書針對現(xiàn)有以Kalman濾波器為主流的擴(kuò)展Kalman濾波器(EKF)、無跡Kalman濾波器(UKF)、容積Kalman濾波器(CKF)等,不能有效應(yīng)用于非高斯系統(tǒng);而基于粒子濾波器(PF),不僅過度依賴于難以獲得的系統(tǒng)被估計(jì)狀態(tài)的密度函數(shù),同時(shí)又存在過多的粒子采樣會(huì)造成高計(jì)算復(fù)雜度、因粒子退化又會(huì)引發(fā)對系統(tǒng)狀態(tài)估計(jì)不準(zhǔn)等難題。本書作者們經(jīng)過十余年的努力,創(chuàng)建了以狀態(tài)建模誤差特征函數(shù)為基礎(chǔ)的特征函數(shù)濾波器,新型濾波器不僅具有Kalman濾波器實(shí)時(shí)遞歸的優(yōu)點(diǎn),同時(shí)也避免了對強(qiáng)非線性觀測模型基于Taylor展開線性化帶來的截?cái)嗾`差,極大方便了針對非線性非高斯系統(tǒng)的狀態(tài)估計(jì)與參數(shù)辨識。本書主要匯集了作者們近年來在特征函數(shù)建模、目標(biāo)函數(shù)構(gòu)建、特征函數(shù)濾波器設(shè)計(jì)、分布式多傳感器集中式融合濾波器、并行式融合濾波器、序貫式融合濾波器、極坐標(biāo)系與直角坐標(biāo)系混合環(huán)境下的目標(biāo)跟蹤、深度神經(jīng)網(wǎng)絡(luò)模型參數(shù)自適應(yīng)辨識、超非線性輸入輸出系統(tǒng)參數(shù)在線辨識、非線性參數(shù)與狀態(tài)聯(lián)合估計(jì)、設(shè)備壽命預(yù)測等應(yīng)用研究。

文成林 ·電子通信 ·8.5萬字

QQ閱讀手機(jī)版

主站蜘蛛池模板: 梁河县| 临高县| 建昌县| 工布江达县| 兴文县| 新巴尔虎右旗| 酒泉市| 黑龙江省| 百色市| 梁河县| 凤庆县| 长治市| 新绛县| 长宁区| 凤台县| 桐庐县| 句容市| 广德县| 桃园市| 黄大仙区| 榆树市| 阳原县| 霍城县| 罗甸县| 荣昌县| 民权县| 庆元县| 江源县| 通州区| 九龙县| 宜昌市| 太仓市| 西吉县| 华安县| 乌鲁木齐县| 大竹县| 蕉岭县| 随州市| 紫阳县| 蛟河市| 琼海市|