掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(下)
-
>
基于個性化設(shè)計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內(nèi)燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
目標(biāo)跟蹤前沿理論與應(yīng)用 版權(quán)信息
- ISBN：9787030426338
- 條形碼：9787030426338 ; 978-7-03-042633-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
目標(biāo)跟蹤前沿理論與應(yīng)用 內(nèi)容簡介
本書涵蓋了目標(biāo)跟蹤的基礎(chǔ)理論及當(dāng)今很前沿的研究結(jié)果。總體而言，本書可分為兩大部分：部分給出了概率、統(tǒng)計以及估計理論的基礎(chǔ)；第二部分主要針對當(dāng)前目標(biāo)跟蹤領(lǐng)域很前沿的四大研究方向，從研究者的角度給出了各方向的問題描述、解決理論、詳細(xì)推導(dǎo)并對相關(guān)理論和技術(shù)進行了深入分析。具體而言，本書部分介紹了概率及統(tǒng)計理論基礎(chǔ)，繼而將估計理論里的基本概念和基本方法進行了詳盡地闡述，在此基礎(chǔ)上對統(tǒng)計濾波理論進行了深入探討并給出了當(dāng)前流行濾波器的推導(dǎo)過程和性質(zhì)分析，很后闡述了魯棒濾波理論基礎(chǔ)。通過部分的介紹可使讀者打下堅實的估計理論基礎(chǔ)。本書第二部分就機動目標(biāo)跟蹤、擴展目標(biāo)跟蹤、群目標(biāo)跟蹤及水下目標(biāo)跟蹤四大目標(biāo)跟蹤領(lǐng)域的前沿研究熱點方向分章節(jié)進行闡述。該部分首先對各方向所研究的問題進行了詳細(xì)的數(shù)學(xué)描述，繼而結(jié)合部分給出的估計理論知識，詳盡地推導(dǎo)了各方向的理論和算
目標(biāo)跟蹤前沿理論與應(yīng)用 目錄
目錄
序
前言
符號與縮略詞
第1章 概率與統(tǒng)計理論基礎(chǔ) 1
1.1 概率與條件概率 1
1.2 傘概率公式與貝葉斯公式 2
1.3 隨機變量及其函數(shù)變換 4
1.4 多元隨機變量 10
1.4.1 獨立統(tǒng)計 12
1.4.2 多變量統(tǒng)計學(xué) 13
1.5 隨機過程 14
1.6 白噪聲和有色噪聲 17
1.7 小結(jié) 18
參考文獻 19
第2章 估計理論基礎(chǔ) 20
2.1 參數(shù)估計問題描述 20
2.1.1 參數(shù)估計定義 20
2.1.2 參數(shù)估計模型 20
2.2 極大似然和*大后驗估計 21
2.2.1 兩種估計方法的定義 21
2.2.2 先驗信息為高斯分布時兩種估計方法的比較 22
2.2.3 先驗信息為單邊指數(shù)分布的*大后驗估計 23
2.2.4 擴散先驗信息條件下的*大后驗估計 23
2.3 *小二乘與*小均方誤差估計 24
2.3.1 兩種估計方法的定義 24
2.3.2 常見的*小二乘估計 25
2.3.3 *小均方誤差估計與*大后驗估計的比較 25
2.4 線性*小均方誤差估計 26
2.4.1 正交性原理 26
2.4.2 向量隨機變量的線性*小均方誤差估計 28
2.5 估計的方差與均方誤差 29
2.5.1 估計方差的定義 29
2.5.2 極大似然估計與*大后驗估計的方差 30
2.5.3 樣本均值與樣本方差的方差 30
2.6 估計的無偏性 31
2.6.1 估計無偏性的定義 31
2.6.2 極大似然估計和*大后驗估計的無偏性 32
2.6.3 兩個未知參數(shù)極大似然估計的有偏性 32
2.7 估計的一致性與有效性 34
2.7.1 致性定義 34
2.7.2 克拉美羅下界與費舍爾信息矩陣 34
2.7.3 克拉美羅下界的證明 35
2.7.4 有效估計的例子 36
2.8 小結(jié) 36
參考文獻 37
第3章 隨機濾波理論與算法 38
3.1 卡爾曼濾波 39
3.1.1 離散時間線性系統(tǒng)描述 39
3.1.2 卡爾曼濾波推導(dǎo) 39
3.1.3 卡爾曼濾波算法 42
3.1.4 卡爾曼濾波的性質(zhì) 42
3.2 擴展卡爾曼濾波 43
3.2.1 離散時間非線性系統(tǒng)描述 43
3.2.2 非線性系統(tǒng)泰勒級數(shù)展開 44
3.2.3 擴展卡爾曼濾波算法 47
3.3 無跡濾波 50
3.3.1 無跡變換 50
3.3.2 無跡濾波算法 51
3.4 容積卡爾曼濾波 55
3.4.1 容積規(guī)則 56
3.4.2 容積卡爾曼濾波算法 60
3.5 粒子濾波 65
3.5.1 貝葉斯濾波 65
3.5.2 蒙特卡洛方法 66
3.5.3 重要性采樣 67
3.5.4 序貫重要性采樣 68
3.5.5 粒子退化問題與重采樣 69
3.5.6 標(biāo)準(zhǔn)粒子濾波算法 72
3.6 仿真結(jié)果與分析 72
3.7 小結(jié) 74
參考文獻 75
第4章 H∞濾波理論與算法 77
4.1 線性系統(tǒng)H∞濾波理論與算法 77
4.1.1 卡爾曼濾波和H∞濾波的比較 77
4.1.2 基于博弈論的H∞濾波 78
4.1.3 穩(wěn)態(tài)H∞濾波 87
4.1.4 連續(xù)時間的H∞濾波 88
4.1.5 傳遞函數(shù)方法推導(dǎo)H∞濾波器 89
4.2 非線性系統(tǒng)H∞濾波理論與算法 95
4.2.1 連續(xù)非線性系統(tǒng)的H∞濾波 95
4.2.2 離散非線性系統(tǒng)的H∞濾波 98
4.2.3 擴展H∞濾波 101
4.3 小結(jié) 103
參考文獻 103
第5章 機動目標(biāo)跟蹤 105
5.1 機動目標(biāo)跟蹤建模 105
5.1.1 動態(tài)模型 105
5.1.2 量測模型 114
5.1.3 機動目標(biāo)跟蹤方法概述 118
5.2 機動目標(biāo)跟蹤多模型方法 119
5.2.1 多模型估計方法概述 119
5.2.2 自主式多模型估計 120
5.2.3 協(xié)作式多模型估計 120
5.2.4 變結(jié)構(gòu)多模型估計 124
5.2.5 仿真結(jié)果與分析 136
5.3 小結(jié) 146
參考文獻 146
第6章 隨機有限集框架下的多目標(biāo)跟蹤 150
6.1 隨機有限集基礎(chǔ) 150
6.1.1 隨機有限集 150
6.1.2 隨機有限集的統(tǒng)計描述 150
6.1.3 常用的隨機有限集 153
6.2 隨機有限集框架下的多目標(biāo)跟蹤 155
6.2.1 多目標(biāo)系統(tǒng)模型 155
6.2.2 多目標(biāo)貝葉斯濾波器 156
6.3概率假設(shè)密度濾波器 157
6.3.1 高斯混合概率假設(shè)密度濾波器 1 59
6.3.2 序貫蒙特卡洛概率假設(shè)密度濾波器 161
6.4 勢概率假設(shè)密度濾波器 163
6.4.1 高斯混合勢概率假設(shè)密度濾波器 166
6.4.2 序貫蒙特卡洛勢概率假設(shè)密度濾波器 169
6.5 多伯努利濾波器 170
6.5.1 高斯混合多伯努利濾波器 172
6.5.2 序貫蒙特卡洛多伯努利濾波器 176
6.6 多目標(biāo)跟蹤性能評價指標(biāo) 179
6.7 仿真結(jié)果與分析 181
6.7.1 線性高斯模型仿真結(jié)果與分析 181
6.7.2 非線性模型仿真結(jié)果與分析 185
6.7.3 非線性多模型仿真結(jié)果與分析 193
6.8 小結(jié) 198
參考文獻 199
第7章 擴展目標(biāo)跟蹤 202
7.1 橢形擴展目標(biāo)跟蹤 203
7.1.1 橢形擴展目標(biāo)跟蹤模型 203
7.1.2 橢形擴展目標(biāo)跟蹤算法 207
7.1.3 貝葉斯框架下橢形擴展目標(biāo)跟蹤算法的推導(dǎo) 208
7.2 機動橢形擴展目標(biāo)跟蹤 213
7.2.1 基于隨機矩陣的交互多模型算法 213
7.2.2 基于隨機矩陣的多模型估計矩匹配方法 215
7.2.3 仿真結(jié)果與分析 217
7.3 機動非橢形擴展目標(biāo)跟蹤 221
7.3.1 非橢形擴展同標(biāo)建模 222
7.3.2 非橢形擴展同標(biāo)貝葉斯跟蹤算法 223
7.3.3 機動非橢形擴展同標(biāo)跟蹤多模型算法 224
7.3.4 非橢形擴展目標(biāo)跟蹤的簡化技術(shù) 228
7.3.5 仿真結(jié)果與分析 231
7.4 距離像量測擴展目標(biāo)跟蹤 238
7.4.1 引論 238
7.4.2 基于支撐函數(shù)的擴展目標(biāo)跟蹤模型 240
7.4.3 基于擴展高斯映射的擴展目標(biāo)跟蹤模型 243
7.4.4 距離像量測擴展同標(biāo)跟蹤算法 245
7.4.5 仿真結(jié)果與分析 246
7.5 小結(jié) 249
參考文獻 250
第8章 水下目標(biāo)跟蹤 252
8.1 水下目標(biāo)跟蹤介紹 252
8.1.1 水下目標(biāo)跟蹤的意義 252
8.1.2 水下目標(biāo)跟蹤發(fā)展現(xiàn)狀 252
8.2 基于等梯度聲速的水下目標(biāo)定位與跟蹤 254
8.2.1 引論 254
8.2.2 水下節(jié)點間的聲波傳播軌跡 254
8.2.3 基于聲波傳播時間的目標(biāo)定位 258
8.2.4 基于聲波傳播時間的目標(biāo)跟蹤 261
8.3 基于傳感節(jié)點*優(yōu)拓?fù)涞乃履繕?biāo)跟蹤 263
8.3.1 引論 263
8.3.2 節(jié)點拓?fù)鋵δ繕?biāo)跟蹤性能的影響 265
8.3.3 綦于傳感節(jié)點*優(yōu)拓?fù)涞乃履繕?biāo)跟蹤算法 270
8.3.4 仿真結(jié)果與分析 273
8.4 基于節(jié)點自適應(yīng)調(diào)度的水下機動目標(biāo)跟蹤 275
8.4.1 引論 275
8.4.2 精度優(yōu)先的節(jié)點組自適應(yīng)調(diào)度方案 278
8.4.3 采樣間隔自適應(yīng)調(diào)度方案 279
8.4.4 仿真結(jié)果與分析 280
8.5 基于局部節(jié)點信息的水下目標(biāo)跟蹤 282
8.5.1 引論 282
8.5.2 基于局部節(jié)點信息的水下目標(biāo)跟蹤算法 284
8.5.3 仿真結(jié)果與分析 288
8.6 小結(jié) 290
參考文獻 291
序
前言
符號與縮略詞
第1章 概率與統(tǒng)計理論基礎(chǔ) 1
1.1 概率與條件概率 1
1.2 傘概率公式與貝葉斯公式 2
1.3 隨機變量及其函數(shù)變換 4
1.4 多元隨機變量 10
1.4.1 獨立統(tǒng)計 12
1.4.2 多變量統(tǒng)計學(xué) 13
1.5 隨機過程 14
1.6 白噪聲和有色噪聲 17
1.7 小結(jié) 18
參考文獻 19
第2章 估計理論基礎(chǔ) 20
2.1 參數(shù)估計問題描述 20
2.1.1 參數(shù)估計定義 20
2.1.2 參數(shù)估計模型 20
2.2 極大似然和*大后驗估計 21
2.2.1 兩種估計方法的定義 21
2.2.2 先驗信息為高斯分布時兩種估計方法的比較 22
2.2.3 先驗信息為單邊指數(shù)分布的*大后驗估計 23
2.2.4 擴散先驗信息條件下的*大后驗估計 23
2.3 *小二乘與*小均方誤差估計 24
2.3.1 兩種估計方法的定義 24
2.3.2 常見的*小二乘估計 25
2.3.3 *小均方誤差估計與*大后驗估計的比較 25
2.4 線性*小均方誤差估計 26
2.4.1 正交性原理 26
2.4.2 向量隨機變量的線性*小均方誤差估計 28
2.5 估計的方差與均方誤差 29
2.5.1 估計方差的定義 29
2.5.2 極大似然估計與*大后驗估計的方差 30
2.5.3 樣本均值與樣本方差的方差 30
2.6 估計的無偏性 31
2.6.1 估計無偏性的定義 31
2.6.2 極大似然估計和*大后驗估計的無偏性 32
2.6.3 兩個未知參數(shù)極大似然估計的有偏性 32
2.7 估計的一致性與有效性 34
2.7.1 致性定義 34
2.7.2 克拉美羅下界與費舍爾信息矩陣 34
2.7.3 克拉美羅下界的證明 35
2.7.4 有效估計的例子 36
2.8 小結(jié) 36
參考文獻 37
第3章 隨機濾波理論與算法 38
3.1 卡爾曼濾波 39
3.1.1 離散時間線性系統(tǒng)描述 39
3.1.2 卡爾曼濾波推導(dǎo) 39
3.1.3 卡爾曼濾波算法 42
3.1.4 卡爾曼濾波的性質(zhì) 42
3.2 擴展卡爾曼濾波 43
3.2.1 離散時間非線性系統(tǒng)描述 43
3.2.2 非線性系統(tǒng)泰勒級數(shù)展開 44
3.2.3 擴展卡爾曼濾波算法 47
3.3 無跡濾波 50
3.3.1 無跡變換 50
3.3.2 無跡濾波算法 51
3.4 容積卡爾曼濾波 55
3.4.1 容積規(guī)則 56
3.4.2 容積卡爾曼濾波算法 60
3.5 粒子濾波 65
3.5.1 貝葉斯濾波 65
3.5.2 蒙特卡洛方法 66
3.5.3 重要性采樣 67
3.5.4 序貫重要性采樣 68
3.5.5 粒子退化問題與重采樣 69
3.5.6 標(biāo)準(zhǔn)粒子濾波算法 72
3.6 仿真結(jié)果與分析 72
3.7 小結(jié) 74
參考文獻 75
第4章 H∞濾波理論與算法 77
4.1 線性系統(tǒng)H∞濾波理論與算法 77
4.1.1 卡爾曼濾波和H∞濾波的比較 77
4.1.2 基于博弈論的H∞濾波 78
4.1.3 穩(wěn)態(tài)H∞濾波 87
4.1.4 連續(xù)時間的H∞濾波 88
4.1.5 傳遞函數(shù)方法推導(dǎo)H∞濾波器 89
4.2 非線性系統(tǒng)H∞濾波理論與算法 95
4.2.1 連續(xù)非線性系統(tǒng)的H∞濾波 95
4.2.2 離散非線性系統(tǒng)的H∞濾波 98
4.2.3 擴展H∞濾波 101
4.3 小結(jié) 103
參考文獻 103
第5章 機動目標(biāo)跟蹤 105
5.1 機動目標(biāo)跟蹤建模 105
5.1.1 動態(tài)模型 105
5.1.2 量測模型 114
5.1.3 機動目標(biāo)跟蹤方法概述 118
5.2 機動目標(biāo)跟蹤多模型方法 119
5.2.1 多模型估計方法概述 119
5.2.2 自主式多模型估計 120
5.2.3 協(xié)作式多模型估計 120
5.2.4 變結(jié)構(gòu)多模型估計 124
5.2.5 仿真結(jié)果與分析 136
5.3 小結(jié) 146
參考文獻 146
第6章 隨機有限集框架下的多目標(biāo)跟蹤 150
6.1 隨機有限集基礎(chǔ) 150
6.1.1 隨機有限集 150
6.1.2 隨機有限集的統(tǒng)計描述 150
6.1.3 常用的隨機有限集 153
6.2 隨機有限集框架下的多目標(biāo)跟蹤 155
6.2.1 多目標(biāo)系統(tǒng)模型 155
6.2.2 多目標(biāo)貝葉斯濾波器 156
6.3概率假設(shè)密度濾波器 157
6.3.1 高斯混合概率假設(shè)密度濾波器 1 59
6.3.2 序貫蒙特卡洛概率假設(shè)密度濾波器 161
6.4 勢概率假設(shè)密度濾波器 163
6.4.1 高斯混合勢概率假設(shè)密度濾波器 166
6.4.2 序貫蒙特卡洛勢概率假設(shè)密度濾波器 169
6.5 多伯努利濾波器 170
6.5.1 高斯混合多伯努利濾波器 172
6.5.2 序貫蒙特卡洛多伯努利濾波器 176
6.6 多目標(biāo)跟蹤性能評價指標(biāo) 179
6.7 仿真結(jié)果與分析 181
6.7.1 線性高斯模型仿真結(jié)果與分析 181
6.7.2 非線性模型仿真結(jié)果與分析 185
6.7.3 非線性多模型仿真結(jié)果與分析 193
6.8 小結(jié) 198
參考文獻 199
第7章 擴展目標(biāo)跟蹤 202
7.1 橢形擴展目標(biāo)跟蹤 203
7.1.1 橢形擴展目標(biāo)跟蹤模型 203
7.1.2 橢形擴展目標(biāo)跟蹤算法 207
7.1.3 貝葉斯框架下橢形擴展目標(biāo)跟蹤算法的推導(dǎo) 208
7.2 機動橢形擴展目標(biāo)跟蹤 213
7.2.1 基于隨機矩陣的交互多模型算法 213
7.2.2 基于隨機矩陣的多模型估計矩匹配方法 215
7.2.3 仿真結(jié)果與分析 217
7.3 機動非橢形擴展目標(biāo)跟蹤 221
7.3.1 非橢形擴展同標(biāo)建模 222
7.3.2 非橢形擴展同標(biāo)貝葉斯跟蹤算法 223
7.3.3 機動非橢形擴展同標(biāo)跟蹤多模型算法 224
7.3.4 非橢形擴展目標(biāo)跟蹤的簡化技術(shù) 228
7.3.5 仿真結(jié)果與分析 231
7.4 距離像量測擴展目標(biāo)跟蹤 238
7.4.1 引論 238
7.4.2 基于支撐函數(shù)的擴展目標(biāo)跟蹤模型 240
7.4.3 基于擴展高斯映射的擴展目標(biāo)跟蹤模型 243
7.4.4 距離像量測擴展同標(biāo)跟蹤算法 245
7.4.5 仿真結(jié)果與分析 246
7.5 小結(jié) 249
參考文獻 250
第8章 水下目標(biāo)跟蹤 252
8.1 水下目標(biāo)跟蹤介紹 252
8.1.1 水下目標(biāo)跟蹤的意義 252
8.1.2 水下目標(biāo)跟蹤發(fā)展現(xiàn)狀 252
8.2 基于等梯度聲速的水下目標(biāo)定位與跟蹤 254
8.2.1 引論 254
8.2.2 水下節(jié)點間的聲波傳播軌跡 254
8.2.3 基于聲波傳播時間的目標(biāo)定位 258
8.2.4 基于聲波傳播時間的目標(biāo)跟蹤 261
8.3 基于傳感節(jié)點*優(yōu)拓?fù)涞乃履繕?biāo)跟蹤 263
8.3.1 引論 263
8.3.2 節(jié)點拓?fù)鋵δ繕?biāo)跟蹤性能的影響 265
8.3.3 綦于傳感節(jié)點*優(yōu)拓?fù)涞乃履繕?biāo)跟蹤算法 270
8.3.4 仿真結(jié)果與分析 273
8.4 基于節(jié)點自適應(yīng)調(diào)度的水下機動目標(biāo)跟蹤 275
8.4.1 引論 275
8.4.2 精度優(yōu)先的節(jié)點組自適應(yīng)調(diào)度方案 278
8.4.3 采樣間隔自適應(yīng)調(diào)度方案 279
8.4.4 仿真結(jié)果與分析 280
8.5 基于局部節(jié)點信息的水下目標(biāo)跟蹤 282
8.5.1 引論 282
8.5.2 基于局部節(jié)點信息的水下目標(biāo)跟蹤算法 284
8.5.3 仿真結(jié)果與分析 288
8.6 小結(jié) 290
參考文獻 291
展開全部
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
山海經(jīng)
- >
名家?guī)阕x魯迅:故事新編
- >
隨園食單
- >
經(jīng)典常談
- >
姑媽的寶刀
- >
煙與鏡
- >
名家?guī)阕x魯迅:朝花夕拾
本類暢銷
