孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

卡尔曼滤波与信息融合（英文版）

卡尔曼滤波与信息融合（英文版）
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者:
出版社: 科学出版社
2020-03
版次: 31
ISBN: 9787030635471
定价: 156.00
装帧: 其他
开本: 128开
纸张: 胶版纸
分类: 计算机与互联网
3人买过
  • Contents

    Part I Kalman Filtering: Preliminaries

    1 Introduction to Kalman Filtering 3

    1.1 What Is Filtering? 3

    1.2 Historical Remarks 5

    1.3 Wiener Filter 7

    1.4 Kalman Filter 7

    1.5 Conclusion 9

    References 9

    2 Challenges in Kalman Filtering11

    2.1 Standard Kalman Filter 11

    2.2 Requirements of Standard Kalman Filtering 14

    2.3 Effects of System Uncertainties 15

    2.4 Effects of Multiple Sensors 16

    2.5 Effects of System Couplings 16

    2.6 Conclusion 17

    References 17

    Part II Kalman Filtering for Uncertain Systems

    3 Kalman Filter with Recursive Process Noise Covariance Estimation 21

    3.1 Introduction 21

    3.2 Problem Formulation 23

    3.2.1 Standard Kalman Filter 23

    3.2.2 Problem To Be Resolved 23

    3.3 Basic Idea: Estimating Covariance Matrix 26

    3.4 Kalman Filter Based on Algorithm RecursiveCovarianceEstimation 31

    3.5 Stability Analysis 33

    3.6 Simulations 41

    3.6.1 One-Dimensional Simulation 41

    3.6.2 Multidimensional Simulation 42

    3.6.3 Integrated Navigations Simulation 43

    3.7 Conclusion 46

    References 48

    4 Kalman Filter with Recursive Covariance Estimation Revisited with Technical Conditions Reduced 51

    4.1 Introduction 51

    4.2 Problem Formulation 53

    4.3 Kalman Filter with Recursive Covariance Estimation 56

    4.3.1 Basic Method: Covariance Matrix Estimation 56

    4.3.2 KF-RCE Algorithm for LTI Systems 58

    4.4 Stability Analysis 60

    4.5 Simulation Experiments 65

    4.6 Conclusion 68

    References 68

    5 Modified Kalman Filter with Recursive Covariance Estimation for Gyroscope Denoising 71

    5.1 Introduction 71

    5.2 Problem Formulation 73

    5.2.1 Kalman Filter 73

    5.2.2 Problem to Be Resolved 74

    5.3 Modified Kalman Filter with Recursive Covariance Matrix 76

    5.3.1 Basic Idea: Estimating Covariance Matrix 76

    5.3.2 Modified Kalman Filter with Recursive Covariance Matrix 77

    5.3.3 Stability Analysis 79

    5.3.4 Simulation Study 86

    5.4 Experimental Tests 87

    5.5 Conclusion 93

    References 93

    6 Real-Time State Estimator Without Noise Covariance Matrices Knowledge 95

    6.1 Introduction 95

    6.2 Problem Formulation 97

    6.3 The Fast Minimum Norm Filtering Algorithm 99

    6.3.1 Time Update 100

    6.3.2 Measurement Update 100

    6.4 Numerical Examples 106

    6.4.1 Example I: Measurement Feedback Simulation 107

    6.4.2 Example II: Data Fusion Simulation 107

    6.4.3 Example III: Integrated Navigation Simulation 115

    6.5 Conclusion 115

    References 118

    7 A Framework of Finite-Model Kalman Filter with Case Study: MVDP-FMKF Algorithm 119

    7.1 Introduction 119

    7.2 Kalman Filter 121

    7.3 Framework of Finite-Model Kalman Filter 122

    7.4 MVDP Finite-Model Kalman Filter Algorithm 125

    7.4.1 Derivation of di 126

    7.4.2 Two-Model MVDP-FMKF Algorithm 131

    7.4.3 General MVDP-FMKF Algorithm 134

    7.5 Simulation of the MVDP-FMKF Algorithm 136

    7.5.1 One-Dimensional Simulation 137

    7.5.2 Multidimensional Simulation 142

    7.6 Experimental Test 143

    7.7 Conclusion 144

    References 145

    8 Kalman Filters for Continuous Parametric Uncertain Systems 147

    8.1 Introduction 147

    8.2 Problem Formulation 149

    8.3 The Estimation Algorithm 150

    8.3.1 The Kalman Filtering-Based Parameter Estimation 150

    8.3.2 The Kalman Filtering-Based State Estimation 153

    8.4 Convergence Analysis 156

    8.5 Numerical Example 158

    8.6 Conclusions 160

    References 160

    Part III Kalman Filtering for Multi-sensor Systems

    9 Optimal Centralized， Recursive， and Distributed Fusion for Stochastic Systems with Coupled Noises 165

    9.1 Introduction 165

    9.2 Problem Formulation 166

    9.3 Optimal Fusion Algorithms 167

    9.4 Performance Analysis and Computer Simulation 182

    9.5 Summary 196

    References 197

    10 Optimal Estimation for Multirate Systems with Unreliable Measurements and Correlated Noise 199

    10.1 Problem Formulations 201

    10.2 Optimal Distributed Fusion Algorithm 203

    10.2.1 Local State Estimation with Normal Measurements 203

    10.2.2 Local State Estimation with Unreliable Measurements 206

    10.2.3 Optimal Distributed Fusion Estimation with Unreliable Measurements 208

    10.3 Numerical Example 214

    10.4 Summary 220

    References 220

    11 CKF-Based State Estimation of Nonlinear System by Fusion of Multirate Multisensor Unreliable Measurements 223

    11.1 Introduction 223

    11.2 Problem Formulation 225

    11.3 Multirate Multisensor Data Fusion Algorithm 225

    11.4 Numerical Simulation 230

    11.4.1 Simple Example on Tracking of a Ship 230

    11.4.2 Target Tracking on Aircraft 234

    11.5 Summary 236

    References 237

    Part IV Kalman Filtering for Multi-agent Systems

    12 Decentralized Adaptive Filtering for Multi-agent Systems with Uncertain Couplings 241

    12.1 Introduction 241

    12.2 Problem Statement 243

    12.2.1 Model 1: Linear Model with Output Coupling 243

    12.2.2 Model 2: Linear Model with State Coupling 244

    12.2.3 Model 3: Nonlinear Model with Output Couplin
  • 目录:
    Contents

    Part I Kalman Filtering: Preliminaries

    1 Introduction to Kalman Filtering 3

    1.1 What Is Filtering? 3

    1.2 Historical Remarks 5

    1.3 Wiener Filter 7

    1.4 Kalman Filter 7

    1.5 Conclusion 9

    References 9

    2 Challenges in Kalman Filtering11

    2.1 Standard Kalman Filter 11

    2.2 Requirements of Standard Kalman Filtering 14

    2.3 Effects of System Uncertainties 15

    2.4 Effects of Multiple Sensors 16

    2.5 Effects of System Couplings 16

    2.6 Conclusion 17

    References 17

    Part II Kalman Filtering for Uncertain Systems

    3 Kalman Filter with Recursive Process Noise Covariance Estimation 21

    3.1 Introduction 21

    3.2 Problem Formulation 23

    3.2.1 Standard Kalman Filter 23

    3.2.2 Problem To Be Resolved 23

    3.3 Basic Idea: Estimating Covariance Matrix 26

    3.4 Kalman Filter Based on Algorithm RecursiveCovarianceEstimation 31

    3.5 Stability Analysis 33

    3.6 Simulations 41

    3.6.1 One-Dimensional Simulation 41

    3.6.2 Multidimensional Simulation 42

    3.6.3 Integrated Navigations Simulation 43

    3.7 Conclusion 46

    References 48

    4 Kalman Filter with Recursive Covariance Estimation Revisited with Technical Conditions Reduced 51

    4.1 Introduction 51

    4.2 Problem Formulation 53

    4.3 Kalman Filter with Recursive Covariance Estimation 56

    4.3.1 Basic Method: Covariance Matrix Estimation 56

    4.3.2 KF-RCE Algorithm for LTI Systems 58

    4.4 Stability Analysis 60

    4.5 Simulation Experiments 65

    4.6 Conclusion 68

    References 68

    5 Modified Kalman Filter with Recursive Covariance Estimation for Gyroscope Denoising 71

    5.1 Introduction 71

    5.2 Problem Formulation 73

    5.2.1 Kalman Filter 73

    5.2.2 Problem to Be Resolved 74

    5.3 Modified Kalman Filter with Recursive Covariance Matrix 76

    5.3.1 Basic Idea: Estimating Covariance Matrix 76

    5.3.2 Modified Kalman Filter with Recursive Covariance Matrix 77

    5.3.3 Stability Analysis 79

    5.3.4 Simulation Study 86

    5.4 Experimental Tests 87

    5.5 Conclusion 93

    References 93

    6 Real-Time State Estimator Without Noise Covariance Matrices Knowledge 95

    6.1 Introduction 95

    6.2 Problem Formulation 97

    6.3 The Fast Minimum Norm Filtering Algorithm 99

    6.3.1 Time Update 100

    6.3.2 Measurement Update 100

    6.4 Numerical Examples 106

    6.4.1 Example I: Measurement Feedback Simulation 107

    6.4.2 Example II: Data Fusion Simulation 107

    6.4.3 Example III: Integrated Navigation Simulation 115

    6.5 Conclusion 115

    References 118

    7 A Framework of Finite-Model Kalman Filter with Case Study: MVDP-FMKF Algorithm 119

    7.1 Introduction 119

    7.2 Kalman Filter 121

    7.3 Framework of Finite-Model Kalman Filter 122

    7.4 MVDP Finite-Model Kalman Filter Algorithm 125

    7.4.1 Derivation of di 126

    7.4.2 Two-Model MVDP-FMKF Algorithm 131

    7.4.3 General MVDP-FMKF Algorithm 134

    7.5 Simulation of the MVDP-FMKF Algorithm 136

    7.5.1 One-Dimensional Simulation 137

    7.5.2 Multidimensional Simulation 142

    7.6 Experimental Test 143

    7.7 Conclusion 144

    References 145

    8 Kalman Filters for Continuous Parametric Uncertain Systems 147

    8.1 Introduction 147

    8.2 Problem Formulation 149

    8.3 The Estimation Algorithm 150

    8.3.1 The Kalman Filtering-Based Parameter Estimation 150

    8.3.2 The Kalman Filtering-Based State Estimation 153

    8.4 Convergence Analysis 156

    8.5 Numerical Example 158

    8.6 Conclusions 160

    References 160

    Part III Kalman Filtering for Multi-sensor Systems

    9 Optimal Centralized， Recursive， and Distributed Fusion for Stochastic Systems with Coupled Noises 165

    9.1 Introduction 165

    9.2 Problem Formulation 166

    9.3 Optimal Fusion Algorithms 167

    9.4 Performance Analysis and Computer Simulation 182

    9.5 Summary 196

    References 197

    10 Optimal Estimation for Multirate Systems with Unreliable Measurements and Correlated Noise 199

    10.1 Problem Formulations 201

    10.2 Optimal Distributed Fusion Algorithm 203

    10.2.1 Local State Estimation with Normal Measurements 203

    10.2.2 Local State Estimation with Unreliable Measurements 206

    10.2.3 Optimal Distributed Fusion Estimation with Unreliable Measurements 208

    10.3 Numerical Example 214

    10.4 Summary 220

    References 220

    11 CKF-Based State Estimation of Nonlinear System by Fusion of Multirate Multisensor Unreliable Measurements 223

    11.1 Introduction 223

    11.2 Problem Formulation 225

    11.3 Multirate Multisensor Data Fusion Algorithm 225

    11.4 Numerical Simulation 230

    11.4.1 Simple Example on Tracking of a Ship 230

    11.4.2 Target Tracking on Aircraft 234

    11.5 Summary 236

    References 237

    Part IV Kalman Filtering for Multi-agent Systems

    12 Decentralized Adaptive Filtering for Multi-agent Systems with Uncertain Couplings 241

    12.1 Introduction 241

    12.2 Problem Statement 243

    12.2.1 Model 1: Linear Model with Output Coupling 243

    12.2.2 Model 2: Linear Model with State Coupling 244

    12.2.3 Model 3: Nonlinear Model with Output Couplin
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
相关图书 / 更多
卡尔曼滤波与信息融合（英文版）
卡尔·威特的教育：把孩子送进哈佛的天才教育法！
卡尔·威特 著；白静泽 译；文通天下 出品
￥6.50 起
卡尔曼滤波与信息融合（英文版）
卡尔曼滤波原理及应用——MATLAB仿真（第2版）
黄小平
￥26.00 起
卡尔曼滤波与信息融合（英文版）
卡尔·拉纳宗教思想研究
王新生
￥39.64 起
卡尔曼滤波与信息融合（英文版）
卡尔·格斯特纳：设计程序
卡尔·格斯特纳（Karl Gerstner） 著；郦亭亭 译；刘庆 校
￥48.86 起
卡尔曼滤波与信息融合（英文版）
卡尔·克劳传 : 一个老中国通的上海往事
[英]保罗·法兰奇 著；聂祖国 译
￥15.24 起
卡尔曼滤波与信息融合（英文版）
卡尔米德斯(柏拉图全集)
柏拉图
￥37.00 起
卡尔曼滤波与信息融合（英文版）
卡尔威特逻辑思维智力训练游戏（全五册）
杨向东
￥10.90 起
卡尔曼滤波与信息融合（英文版）
卡尔·马克思（第2版）：马克思思想传记（马克思主义研究译丛·典藏版）
[美]艾伦·W.伍德（Allen W. Wood）
￥60.00 起
卡尔曼滤波与信息融合（英文版）
卡尔曼滤波与组合导航原理(第4版工业和信息化部十二五规划教材)
秦永元、张洪钺、汪叔华 编
￥28.00 起
卡尔曼滤波与信息融合（英文版）
卡尔卡西古典吉他教程（第二版）上
李质伟
￥20.98 起
卡尔曼滤波与信息融合（英文版）
卡尔·波兰尼：撒旦磨坊 一读就懂的经典经济学
[韩]吴承浩
￥12.64 起
卡尔曼滤波与信息融合（英文版）
卡尔维诺经典：马可瓦尔多
伊塔洛·卡尔维诺 著；马小漠 译
￥12.00 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全