掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
經典譯叢·信息與通信技術卡爾曼濾波理論與實踐(MATLAB版)(第4版) 版權信息
- ISBN：9787121315350
- 條形碼：9787121315350 ; 978-7-121-31535-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
經典譯叢·信息與通信技術卡爾曼濾波理論與實踐(MATLAB版)(第4版) 本書特色
本書深入系統地介紹了卡爾曼濾波的基礎理論和實踐考慮，涉及卡爾曼濾波的核心技術基礎以及在實現中遇到的實際問題。包括：實際問題的數學模型表示方法、作為系統設計參數函數估計子的性能分析、實現機械方程的數值穩定算法、計算需求的評估、結果有效性的檢驗、濾波器工作性能的監控等內容。本書以大量現實世界中的實際問題作為例子，特別是拓展了導航系統的應用范圍，包括GPS、陀螺儀和加速度計的誤差模型、慣性導航系統和高速公路交通管制系統等。本書還提供了MATLAB源程序和精心設計的習題。全書譯文已根據作者于2015年提供的兩個勘誤表進行過更正。
經典譯叢·信息與通信技術卡爾曼濾波理論與實踐(MATLAB版)(第4版) 內容簡介
本書深入系統地介紹了卡爾曼濾波的基礎理論和實踐考慮，涉及卡爾曼濾波的核心技術基礎以及在實現中遇到的實際問題。包括：實際問題的數學模型表示方法、作為系統設計參數函數估計子的性能分析、實現機械方程的數值穩定算法、計算需求的評估、結果有效性的檢驗、濾波器工作性能的監控等內容。本書以大量現實世界中的實際問題作為例子，特別是拓展了導航系統的應用范圍，包括GPS、陀螺儀和加速度計的誤差模型、慣性導航系統和高速公路交通管制系統等。本書還提供了MATLAB源程序和精心設計的習題。全書譯文已根據作者于2015年提供的兩個勘誤表進行過更正。
經典譯叢·信息與通信技術卡爾曼濾波理論與實踐(MATLAB版)(第4版) 目錄
第1章引言
1.1本章重點
1.2關于卡爾曼濾波
1.2.1**個問題： 什么是卡爾曼濾波器
1.2.2為什么被稱為濾波器
1.2.3卡爾曼濾波的數學基礎
1.2.4卡爾曼濾波的應用
1.3關于*優化估計方法
1.3.1*優估計理論的出現
1.3.2*小二乘方法
1.3.3不確定性的數學模型
1.3.4WienerKolmogorov濾波器
1.3.5卡爾曼濾波器
1.3.6實現方法
1.3.7非線性近似
1.3.8真實非線性估計
1.3.9監視中的檢測問題
1.4常用符號
1.4.1導數的“點”符號
1.4.2卡爾曼濾波器變量的標準符號
1.4.3數組維數的常用符號
1.5本章小結
習題
參考文獻
第2章線性動態系統
2.1本章重點
2.1.1更大的示意圖
2.1.2動態系統模型
2.1.3涵蓋要點
2.2確定性動態系統模型
2.2.1微分方程表示的動態系統模型
2.2.2牛頓模型
2.2.3確定性系統的狀態變量和狀態方程
2.2.4連續時間和離散時間
2.2.5時變系統和時不變系統
2.3連續線性系統及其解
2.3.1線性動態系統的輸入輸出模型
2.3.2動態系數矩陣及輸入耦合矩陣
2.3.3高階導數的伴隨形式
2.3.4輸出和測量靈敏度矩陣
2.3.5差分方程和狀態轉移矩陣（STM）
2.3.6求解微分方程得到STM
2.3.7非齊次方程的解
2.3.8時不變系統的閉式解
2.3.9時變系統
2.4離散線性系統及其解
2.4.1離散線性系統
2.4.2時不變系統的離散時間解
2.5線性動態系統模型的可觀測性
2.5.1如何確定動態系統模型是否可觀測
2.5.2時不變系統的可觀測性
2.5.3時不變線性系統的可控性
2.6本章小結
習題
參考文獻
第3章概率與期望
3.1本章重點
3.2概率論基礎
3.2.1測度論
3.2.2概率測度
3.2.3概率分布
3.2.4概率密度函數
3.2.5累積概率函數
3.3期望
3.3.1線性泛函
3.3.2期望算子
3.3.3概率分布的矩
3.4*小均方估計（LMSE）
3.4.1平方估計誤差
3.4.2*小化
3.4.3*小均方估計誤差
3.4.4均值和協方差： 需要記住的矩
3.4.5脫靶距離的其他測量方法
3.5變量變換
3.5.1線性變換
3.5.2利用解析函數的變換
3.5.3概率密度函數的變換
3.6統計中的矩陣跡
3.6.1協方差和均方幅度之間的關系
3.6.2線性泛函
3.6.3跡中的矩陣乘積互換
3.6.4卡方檢驗
3.6.5Schweppe似然比檢測
3.6.6多假設檢驗
3.7本章小結
習題
參考文獻
第4章隨機過程
4.1本章重點
4.1.1涵蓋要點
4.1.2未涉及的內容
4.2隨機變量、 隨機過程和隨機序列
4.2.1歷史背景
4.2.2定義
4.3統計特性
4.3.1獨立同分布過程
4.3.2隨機過程的均值
4.3.3時間相關和協方差
4.3.4不相關和正交隨機過程
4.3.5嚴格平穩與廣義平穩
4.3.6遍歷隨機過程
4.3.7馬爾可夫過程和序列
4.3.8高斯隨機過程
4.3.9模擬多變量高斯過程
4.3.10功率譜密度
4.4線性隨機過程模型
4.4.1RP的隨機微分方程
4.4.2隨機序列（RS）的離散時間模型
4.4.3自回歸過程和線性預測模型
4.5成型濾波器（SF）和狀態增廣
4.5.1相關過程噪聲模型
4.5.2相關測量噪聲模型
4.6均值和協方差傳播
4.6.1均值傳播
4.6.2協方差傳播
4.6.3穩態解
4.6.4結果
4.7模型參數之間的關系
4.7.1連續模型和離散模型的參數
4.7.2Q(t)與Qk-1之間的關系
4.7.3R(t)和Rk之間的關系
4.8正交原理
4.8.1*小期望二次損失函數估計子
4.8.2正交原理
4.8.3正交的幾何解釋
4.9本章小結
4.9.1需要記憶的要點
4.9.2需要記憶的重要公式
習題
參考文獻
第5章線性*優濾波器和預測器
5.1本章重點
5.1.1估計問題
5.1.2涵蓋要點
5.2卡爾曼濾波器
5.2.1系統狀態估計子的觀測更新問題
5.2.2線性估計子
5.2.3求解卡爾曼增益
5.2.4利用高斯*大似然方法得到卡爾曼增益
5.2.5根據遞歸線性LMS估計子得到卡爾曼增益
5.2.6離散時間卡爾曼估計子的公式匯總
5.2.7將誤差不相關的向量測量值視為標量
5.2.8利用協方差方程進行設計分析
5.3卡爾曼布西濾波器
5.4*優線性預測器
5.4.1預測作為濾波
5.4.2考慮丟失數據的影響
5.5相關噪聲源
5.5.1設備噪聲與測量噪聲之間的相關
5.5.2時間相關測量值
5.6卡爾曼濾波器和維納濾波器之間的關系
5.7二次損失函數
5.7.1估計誤差的二次損失函數
5.7.2二次損失函數的期望值
5.7.3無偏估計與二次損失
5.8矩陣Riccati微分方程
5.8.1轉化為線性方程
5.8.2時不變問題
5.8.3標量時不變問題
5.8.4標量時不變解的參數依賴性
5.8.5收斂問題
5.8.6代數Riccati方程的閉式解
5.8.7代數Riccati微分方程的NewtonRaphson解
5.8.8MacFarlanePotterFath特征結構方法
5.9離散時間矩陣Riccati方程
5.9.1矩陣分數傳播的線性方程
5.9.2先驗協方差的矩陣分數傳播
5.9.3標量時不變情形的閉式解
5.9.4MacFarlanePotterFath特征結構方法
5.10變換狀態變量的模型方程
5.10.1狀態變量的線性變換
5.10.2新的模型方程
5.11應用實例
5.12本章小結
5.12.1需要記憶的要點
5.12.2需要記憶的重要公式
習題
參考文獻
第6章*優平滑器
6.1本章重點
6.1.1平滑和平滑器
6.1.2卡爾曼濾波、 預測、 插值和平滑
6.1.3平滑器的類型
6.1.4實現算法
6.1.5平滑器的應用
6.1.6與濾波相比的改善之處
6.2固定區間平滑
6.2.1連續時間性能分析
6.2.2三通道固定區間平滑
6.2.3RauchTungStriebel（RIS）兩通道平滑器
6.3固定滯后平滑
6.3.1早期方法的穩定性問題
6.3.2性能分析
6.3.3BiswasMahalanabis固定滯后平滑器（BMFLS）
6.4固定點平滑
6.4.1性能分析
6.4.2離散時間固定點平滑器
6.5本章小結
6.5.1平滑
6.5.2平滑對濾波性能的改善
6.5.3其他信息資源
習題
參考文獻
第7章實現方法
7.1本章重點
7.1.1涵蓋要點
7.1.2未涉及的內容
7.2計算機舍入操作
7.2.1單位舍入誤差
7.2.2舍入對卡爾曼濾波器性能的影響
7.2.3數值誤差分析中的術語
7.2.4病態卡爾曼濾波問題
7.3舍入誤差對卡爾曼濾波器的影響
7.3.1量化舍入誤差對卡爾曼濾波的影響
7.3.2卡爾曼濾波器的舍入誤差傳播
7.3.3濾波器發散舉例
7.4“平方根”濾波的因式分解法
7.4.1背景
7.4.2Cholesky因子的類型
7.4.3矩陣因式分解方法概述
7.4.4Cholesky分解方法及其應用
7.4.5利用去相關實現卡爾曼濾波器
7.4.6初等矩陣的對稱平方根
7.4.7三角化方法
7.5“平方根”濾波器和UD濾波器
7.5.1CarlsonSchmidt“平方根”濾波
7.5.2BiermanThornton UD濾波器
7.6sigmaRho濾波
7.6.1Sigma和Rho
7.6.2基本連續時間動態模型
7.6.3σi的縮放
7.6.4離散時間sigmaRho動態模型
7.6.5sigmaRho測量更新
7.6.6有效性
7.7其他實現方法
7.7.1早期的實現方法
7.7.2MorfKailat聯合觀測更新/時間更新
7.7.3信息濾波
7.8本章小結
習題
參考文獻
第8章非線性近似
8.1本章重點
8.1.1涵蓋要點
8.1.2“非線性”的含義是什么
8.2仿射卡爾曼濾波器
8.2.1仿射模型
8.2.2非零均值噪聲模型
8.2.3仿射濾波器實現
8.3非線性模型的線性近似
8.3.1Riccati微分方程的線性化
8.3.2利用數值偏導作為Φ的近似
8.3.3線性和擴展卡爾曼濾波器
8.3.4限制RMS線性化誤差
8.3.5多局部線性化檢測
8.4采樣傳播方法
8.4.1性能評估
8.4.2蒙特卡羅分析
8.4.3粒子濾波器
8.4.4西格馬點（σ點）濾波器
8.5無味卡爾曼濾波器（UKF）
8.5.1無味變換（UT）
8.5.2UKF實現
8.5.3無味sigmaRho濾波
8.6真正的非線性估計
8.6.1Bene濾波器
8.6.2Richardson和Marsh的監視解決方法
8.7本章小結
8.7.1本章要點
8.7.2非線性近似的局限性
習題
參考文獻
第9章實際考慮
9.1本章重點
9.1.1涵蓋要點
9.2診斷統計量和啟發式方法
9.2.1新息分析
9.2.2收斂和發散
9.2.3協方差分析
9.2.4檢驗不可預測的行為
9.2.5模型不當產生的影響
9.2.6協方差矩陣的分析和糾正
9.3預濾波和數據剔除方法
9.3.1預濾波
9.3.2數據剔除
9.4卡爾曼濾波器的穩定性
9.5次優濾波器和降階濾波器
9.5.1次優濾波器
9.5.2次優濾波器的雙狀態評估
9.6SchmidtKalman濾波
9.6.1歷史背景
9.6.2推導過程
9.6.3SchmidtKalman增益
9.6.4實現方程
9.6.5計算復雜度
9.7存儲量、 吞吐量和字長需求
9.7.1字長問題
9.7.2存儲需求
9.7.3吞吐量、 處理器速度和計算復雜度
9.7.4編程成本與運行成本
9.8降低計算需求的方法
9.8.1降低矩陣乘積的復雜度
9.8.2離線與在線計算需求
9.8.3增益調度
9.8.4時不變系統的穩態增益
9.9誤差預算和靈敏度分析
9.9.1滿足統計性能需求的設計問題
9.9.2誤差預算
9.9.3誤差靈敏度分析和預算
9.9.4通過蒙特卡羅分析進行預算確認
9.10*優測量選取策略
9.10.1測量選取問題
9.10.2邊際優化
9.10.3*大邊際效益的求解算法
9.10.4計算復雜度
9.11本章小結
習題
參考文獻
第10章在導航中的應用
10.1本章重點
10.2導航概述
10.2.1導航問題
10.2.2慣性導航與衛星導航的發展歷史
10.2.3GNSS導航
10.2.4GNSS/INS組合導航
10.2.5導航性能的度量
10.2.6在導航系統設計中的性能預測
10.2.7預測導航性能的動態仿真
10.3全球導航衛星系統（GNSS）
10.3.1歷史背景
10.3.2衛星導航的工作原理
10.3.3GNSS的誤差源
10.3.4GNSS導航誤差建模
10.3.5性能評估
10.3.6導航解的質量
10.3.7
1.1本章重點
1.2關于卡爾曼濾波
1.2.1**個問題： 什么是卡爾曼濾波器
1.2.2為什么被稱為濾波器
1.2.3卡爾曼濾波的數學基礎
1.2.4卡爾曼濾波的應用
1.3關于*優化估計方法
1.3.1*優估計理論的出現
1.3.2*小二乘方法
1.3.3不確定性的數學模型
1.3.4WienerKolmogorov濾波器
1.3.5卡爾曼濾波器
1.3.6實現方法
1.3.7非線性近似
1.3.8真實非線性估計
1.3.9監視中的檢測問題
1.4常用符號
1.4.1導數的“點”符號
1.4.2卡爾曼濾波器變量的標準符號
1.4.3數組維數的常用符號
1.5本章小結
習題
參考文獻
第2章線性動態系統
2.1本章重點
2.1.1更大的示意圖
2.1.2動態系統模型
2.1.3涵蓋要點
2.2確定性動態系統模型
2.2.1微分方程表示的動態系統模型
2.2.2牛頓模型
2.2.3確定性系統的狀態變量和狀態方程
2.2.4連續時間和離散時間
2.2.5時變系統和時不變系統
2.3連續線性系統及其解
2.3.1線性動態系統的輸入輸出模型
2.3.2動態系數矩陣及輸入耦合矩陣
2.3.3高階導數的伴隨形式
2.3.4輸出和測量靈敏度矩陣
2.3.5差分方程和狀態轉移矩陣（STM）
2.3.6求解微分方程得到STM
2.3.7非齊次方程的解
2.3.8時不變系統的閉式解
2.3.9時變系統
2.4離散線性系統及其解
2.4.1離散線性系統
2.4.2時不變系統的離散時間解
2.5線性動態系統模型的可觀測性
2.5.1如何確定動態系統模型是否可觀測
2.5.2時不變系統的可觀測性
2.5.3時不變線性系統的可控性
2.6本章小結
習題
參考文獻
第3章概率與期望
3.1本章重點
3.2概率論基礎
3.2.1測度論
3.2.2概率測度
3.2.3概率分布
3.2.4概率密度函數
3.2.5累積概率函數
3.3期望
3.3.1線性泛函
3.3.2期望算子
3.3.3概率分布的矩
3.4*小均方估計（LMSE）
3.4.1平方估計誤差
3.4.2*小化
3.4.3*小均方估計誤差
3.4.4均值和協方差： 需要記住的矩
3.4.5脫靶距離的其他測量方法
3.5變量變換
3.5.1線性變換
3.5.2利用解析函數的變換
3.5.3概率密度函數的變換
3.6統計中的矩陣跡
3.6.1協方差和均方幅度之間的關系
3.6.2線性泛函
3.6.3跡中的矩陣乘積互換
3.6.4卡方檢驗
3.6.5Schweppe似然比檢測
3.6.6多假設檢驗
3.7本章小結
習題
參考文獻
第4章隨機過程
4.1本章重點
4.1.1涵蓋要點
4.1.2未涉及的內容
4.2隨機變量、 隨機過程和隨機序列
4.2.1歷史背景
4.2.2定義
4.3統計特性
4.3.1獨立同分布過程
4.3.2隨機過程的均值
4.3.3時間相關和協方差
4.3.4不相關和正交隨機過程
4.3.5嚴格平穩與廣義平穩
4.3.6遍歷隨機過程
4.3.7馬爾可夫過程和序列
4.3.8高斯隨機過程
4.3.9模擬多變量高斯過程
4.3.10功率譜密度
4.4線性隨機過程模型
4.4.1RP的隨機微分方程
4.4.2隨機序列（RS）的離散時間模型
4.4.3自回歸過程和線性預測模型
4.5成型濾波器（SF）和狀態增廣
4.5.1相關過程噪聲模型
4.5.2相關測量噪聲模型
4.6均值和協方差傳播
4.6.1均值傳播
4.6.2協方差傳播
4.6.3穩態解
4.6.4結果
4.7模型參數之間的關系
4.7.1連續模型和離散模型的參數
4.7.2Q(t)與Qk-1之間的關系
4.7.3R(t)和Rk之間的關系
4.8正交原理
4.8.1*小期望二次損失函數估計子
4.8.2正交原理
4.8.3正交的幾何解釋
4.9本章小結
4.9.1需要記憶的要點
4.9.2需要記憶的重要公式
習題
參考文獻
第5章線性*優濾波器和預測器
5.1本章重點
5.1.1估計問題
5.1.2涵蓋要點
5.2卡爾曼濾波器
5.2.1系統狀態估計子的觀測更新問題
5.2.2線性估計子
5.2.3求解卡爾曼增益
5.2.4利用高斯*大似然方法得到卡爾曼增益
5.2.5根據遞歸線性LMS估計子得到卡爾曼增益
5.2.6離散時間卡爾曼估計子的公式匯總
5.2.7將誤差不相關的向量測量值視為標量
5.2.8利用協方差方程進行設計分析
5.3卡爾曼布西濾波器
5.4*優線性預測器
5.4.1預測作為濾波
5.4.2考慮丟失數據的影響
5.5相關噪聲源
5.5.1設備噪聲與測量噪聲之間的相關
5.5.2時間相關測量值
5.6卡爾曼濾波器和維納濾波器之間的關系
5.7二次損失函數
5.7.1估計誤差的二次損失函數
5.7.2二次損失函數的期望值
5.7.3無偏估計與二次損失
5.8矩陣Riccati微分方程
5.8.1轉化為線性方程
5.8.2時不變問題
5.8.3標量時不變問題
5.8.4標量時不變解的參數依賴性
5.8.5收斂問題
5.8.6代數Riccati方程的閉式解
5.8.7代數Riccati微分方程的NewtonRaphson解
5.8.8MacFarlanePotterFath特征結構方法
5.9離散時間矩陣Riccati方程
5.9.1矩陣分數傳播的線性方程
5.9.2先驗協方差的矩陣分數傳播
5.9.3標量時不變情形的閉式解
5.9.4MacFarlanePotterFath特征結構方法
5.10變換狀態變量的模型方程
5.10.1狀態變量的線性變換
5.10.2新的模型方程
5.11應用實例
5.12本章小結
5.12.1需要記憶的要點
5.12.2需要記憶的重要公式
習題
參考文獻
第6章*優平滑器
6.1本章重點
6.1.1平滑和平滑器
6.1.2卡爾曼濾波、 預測、 插值和平滑
6.1.3平滑器的類型
6.1.4實現算法
6.1.5平滑器的應用
6.1.6與濾波相比的改善之處
6.2固定區間平滑
6.2.1連續時間性能分析
6.2.2三通道固定區間平滑
6.2.3RauchTungStriebel（RIS）兩通道平滑器
6.3固定滯后平滑
6.3.1早期方法的穩定性問題
6.3.2性能分析
6.3.3BiswasMahalanabis固定滯后平滑器（BMFLS）
6.4固定點平滑
6.4.1性能分析
6.4.2離散時間固定點平滑器
6.5本章小結
6.5.1平滑
6.5.2平滑對濾波性能的改善
6.5.3其他信息資源
習題
參考文獻
第7章實現方法
7.1本章重點
7.1.1涵蓋要點
7.1.2未涉及的內容
7.2計算機舍入操作
7.2.1單位舍入誤差
7.2.2舍入對卡爾曼濾波器性能的影響
7.2.3數值誤差分析中的術語
7.2.4病態卡爾曼濾波問題
7.3舍入誤差對卡爾曼濾波器的影響
7.3.1量化舍入誤差對卡爾曼濾波的影響
7.3.2卡爾曼濾波器的舍入誤差傳播
7.3.3濾波器發散舉例
7.4“平方根”濾波的因式分解法
7.4.1背景
7.4.2Cholesky因子的類型
7.4.3矩陣因式分解方法概述
7.4.4Cholesky分解方法及其應用
7.4.5利用去相關實現卡爾曼濾波器
7.4.6初等矩陣的對稱平方根
7.4.7三角化方法
7.5“平方根”濾波器和UD濾波器
7.5.1CarlsonSchmidt“平方根”濾波
7.5.2BiermanThornton UD濾波器
7.6sigmaRho濾波
7.6.1Sigma和Rho
7.6.2基本連續時間動態模型
7.6.3σi的縮放
7.6.4離散時間sigmaRho動態模型
7.6.5sigmaRho測量更新
7.6.6有效性
7.7其他實現方法
7.7.1早期的實現方法
7.7.2MorfKailat聯合觀測更新/時間更新
7.7.3信息濾波
7.8本章小結
習題
參考文獻
第8章非線性近似
8.1本章重點
8.1.1涵蓋要點
8.1.2“非線性”的含義是什么
8.2仿射卡爾曼濾波器
8.2.1仿射模型
8.2.2非零均值噪聲模型
8.2.3仿射濾波器實現
8.3非線性模型的線性近似
8.3.1Riccati微分方程的線性化
8.3.2利用數值偏導作為Φ的近似
8.3.3線性和擴展卡爾曼濾波器
8.3.4限制RMS線性化誤差
8.3.5多局部線性化檢測
8.4采樣傳播方法
8.4.1性能評估
8.4.2蒙特卡羅分析
8.4.3粒子濾波器
8.4.4西格馬點（σ點）濾波器
8.5無味卡爾曼濾波器（UKF）
8.5.1無味變換（UT）
8.5.2UKF實現
8.5.3無味sigmaRho濾波
8.6真正的非線性估計
8.6.1Bene濾波器
8.6.2Richardson和Marsh的監視解決方法
8.7本章小結
8.7.1本章要點
8.7.2非線性近似的局限性
習題
參考文獻
第9章實際考慮
9.1本章重點
9.1.1涵蓋要點
9.2診斷統計量和啟發式方法
9.2.1新息分析
9.2.2收斂和發散
9.2.3協方差分析
9.2.4檢驗不可預測的行為
9.2.5模型不當產生的影響
9.2.6協方差矩陣的分析和糾正
9.3預濾波和數據剔除方法
9.3.1預濾波
9.3.2數據剔除
9.4卡爾曼濾波器的穩定性
9.5次優濾波器和降階濾波器
9.5.1次優濾波器
9.5.2次優濾波器的雙狀態評估
9.6SchmidtKalman濾波
9.6.1歷史背景
9.6.2推導過程
9.6.3SchmidtKalman增益
9.6.4實現方程
9.6.5計算復雜度
9.7存儲量、 吞吐量和字長需求
9.7.1字長問題
9.7.2存儲需求
9.7.3吞吐量、 處理器速度和計算復雜度
9.7.4編程成本與運行成本
9.8降低計算需求的方法
9.8.1降低矩陣乘積的復雜度
9.8.2離線與在線計算需求
9.8.3增益調度
9.8.4時不變系統的穩態增益
9.9誤差預算和靈敏度分析
9.9.1滿足統計性能需求的設計問題
9.9.2誤差預算
9.9.3誤差靈敏度分析和預算
9.9.4通過蒙特卡羅分析進行預算確認
9.10*優測量選取策略
9.10.1測量選取問題
9.10.2邊際優化
9.10.3*大邊際效益的求解算法
9.10.4計算復雜度
9.11本章小結
習題
參考文獻
第10章在導航中的應用
10.1本章重點
10.2導航概述
10.2.1導航問題
10.2.2慣性導航與衛星導航的發展歷史
10.2.3GNSS導航
10.2.4GNSS/INS組合導航
10.2.5導航性能的度量
10.2.6在導航系統設計中的性能預測
10.2.7預測導航性能的動態仿真
10.3全球導航衛星系統（GNSS）
10.3.1歷史背景
10.3.2衛星導航的工作原理
10.3.3GNSS的誤差源
10.3.4GNSS導航誤差建模
10.3.5性能評估
10.3.6導航解的質量
10.3.7
展開全部
經典譯叢·信息與通信技術卡爾曼濾波理論與實踐(MATLAB版)(第4版) 作者簡介
Mohinder S. Grewal，博士，PE，美國（富勒頓市）加利福利亞州立大學工程與計算機科學學院電子工程教授。他從事慣性導航與控制領域的研究已有四十多年的豐富經驗，研制的機械化產品目前已在商業和軍用飛機、監視衛星、導彈和雷達系統、高速公路交通管制、全球衛星導航系統等領域取得廣泛應用。Angus P. Andrews，博士，畢業于麻省理工學院，在加州大學洛杉磯分校獲數學博士學位。他在航天技術領域的研究具有50多年的職業生涯，剛開始在阿波羅登月計劃中從事了十多年的導航分析工作，包括分析、設計、研發和測試慣性導航系統。他的發現包括：被稱為未知地標跟蹤的軌道導航方法、平方根濾波器的新解決方法和靜電陀螺儀的軸承扭矩模型等。自2000年他從羅克韋爾科學中心作為資深科學家退休以后，一直擔任傳感器誤差建模和分析方面的顧問和指導，并且發表有關領域的論文和著作。
Mohinder S. Grewal，博士，PE，美國（富勒頓市）加利福利亞州立大學工程與計算機科學學院電子工程教授。他從事慣性導航與控制領域的研究已有四十多年的豐富經驗，研制的機械化產品目前已在商業和軍用飛機、監視衛星、導彈和雷達系統、高速公路交通管制、全球衛星導航系統等領域取得廣泛應用。Angus P. Andrews，博士，畢業于麻省理工學院，在加州大學洛杉磯分校獲數學博士學位。他在航天技術領域的研究具有50多年的職業生涯，剛開始在阿波羅登月計劃中從事了十多年的導航分析工作，包括分析、設計、研發和測試慣性導航系統。他的發現包括：被稱為未知地標跟蹤的軌道導航方法、平方根濾波器的新解決方法和靜電陀螺儀的軸承扭矩模型等。自2000年他從羅克韋爾科學中心作為資深科學家退休以后，一直擔任傳感器誤差建模和分析方面的顧問和指導，并且發表有關領域的論文和著作。
書友推薦
- >
二體千字文
- >
有舍有得是人生
- >
李白與唐代文化
- >
朝聞道
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
中國歷史的瞬間
- >
推拿
- >
姑媽的寶刀
本類暢銷
