建模与估计2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

建模与估计PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

绪论1

0.1　估计理论的发展过程和估计问题的分类1

0.2　模型参数估计问题2

0.3　时间序列、信号、状态估计问题4

0.4　信息融合估计问题9

0.5 自校正状态与信号估计问题12

0.6 自校正状态与信号信息融合估计问题13

参考文献14

第1章　ARMA模型与状态空间模型16

1.1　引言16

1.2　随机过程17

1.3 自回归滑动平均模型25

1.4　ARMA过程的展式32

1.5　ARMA过程的相关函数37

1.6　状态空间模型47

习题57

参考文献58

第2章　最小二乘法参数估计60

2.1　引言60

2.2　递推最小二乘法62

2.3　加权最小二乘法74

2.4　递推增广最小二乘法78

2.5 两段RLS-RELS算法——改进的RELS算法81

2.6　两段RLS-LS算法88

2.7　递推辅助变量算法及其收敛性96

2.8　偏差补偿递推最小二乘法103

2.9　多重RLS算法112

2.10　多维RLS算法115

习题121

参考文献124

第3章　状态与信号的最优估计——经典Kalman滤波与时域Wiener滤波126

3.1　引言126

3.2　射影理论135

3.3　Kalman滤波器和预报器141

3.4　Kalman平滑器151

3.5　白噪声估值器155

3.6　信息滤波器164

3.7　稳态Kalman滤波166

3.8　基于Kalman滤波的时域Wiener滤波方法178

习题189

参考文献193

第4章　多传感器最优信息融合估计——Kalman滤波方法195

4.1　引言195

4.2　三种加权多传感器最优信息融合准则198

4.3　多传感器信息融合Kalman滤波器和预报器210

4.4　多传感器信息融合稳态Kalman滤波器和预报器216

4.5　分布式信息融合ARMA信号Wiener滤波器225

4.6　加权观测融合Kalman滤波器235

4.7　加权观测融合Wiener信号滤波器241

4.8　带不同观测阵的两种加权观测融合Kalman滤波器的功能等价性246

习题253

参考文献255

第5章　状态与信号的最优估计——现代时间序列分析方法导论257

5.1 引言257

5.2　构造ARMA新息模型的Gevers-Wouters算法260

5.3　统一的稳态最优白噪声估计理论271

5.4　多通道ARMA信号Wiener滤波器280

5.5　基于ARMA新息模型的稳态Kalman滤波器和预报器286

习题300

参考文献305

第6章　多传感器最优信息融合估计——现代时间序列分析方法308

6.1 引言308

6.2　多传感器信息融合白噪声反卷积估值器308

6.3　多通道ARMA信号信息融合Wiener滤波器315

6.4　信息融合稳态Kalman滤波器和预报器325

6.5　加权观测融合稳态Kalman滤波器330

6.6　加权观测融合Wiener信号滤波器339

习题346

参考文献349

第7章 自校正估计与自校正信息融合估计350

7.1　引言350

7.2 自校正α-β跟踪滤波器354

7.3 自校正对角阵加权信息融合Kalman滤波器及其收敛性分析362

7.4　自校正加权观测融合Kalman滤波器378

7.5　多变量ARMA信号自校正滤波器386

7.6 自校正信号检测数字滤波器396

习题400

参考文献401

附录1　稳态Kalman滤波算法Matlab仿真通式403

附录2　三种加权信息融合算法Matlab仿真通式405

附录3　构造ARMA新息模型的Gevers-Wouters算法Matlab仿真通式407

附录4　RLS-RELS算法Matlab仿真通式409

附录5　RELS算法Matlab仿真通式410