状态估计和关联的实践应用

图书标准信息

• 作者 Dunn 著；[美]Chaw-Bing、Chang、[美]Keh-Ping、乔向东、范晋祥、刘嘉 译
• 出版社 国防工业出版社
• 出版时间 2019-09
• 版次 1
• ISBN 9787118118698
• 定价 188.00元
• 装帧 精装
• 开本 16开
• 纸张 胶版纸
• 页数 331页
• 字数 400千字

【内容简介】

　　《状态估计和关联的实践应用》致力于向读者提供有关状态估计和关联技术在理论和应用层面的严谨介绍，书中所讲授的技能将为学生今后解决该领域的实际问题做好准备。
　　对于宇航、电子和国防工业行业的从业工程师而言，有关状态估计和关联的实践是其工作的一个重要领域。
　　《状态估计和关联的实践应用》的一个突出特征就是采用统一的方式来描述问题和解决问题，这一方式有助于学生建立扎实的理论基础并掌握实际应用所需的技能和工具。基于作者在该领域数十年的经验，书中的多数技术主题和示例不仅与从事状态估计和关联技术工作的工程师密切相关而且是非常重要的。
　　据此，《状态估计和关联的实践应用》可作为开设该领域课程的工科院校的教材，也可作为对该技术工程应用和解决实际问题感兴趣的学生选修课程时的参考书。对于该领域的从业工程师，《状态估计和关联的实践应用》可作为自学或在职课程的教材。
　　《状态估计和关联的实践应用》还可作为行业其他人员的自学用书。
　　《状态估计和关联的实践应用》的技术水平相当于控制或系统工程专业研究生一年级或二年级的课程。学生需要熟悉系统的状态变量表示和概率论的基本知识（包括随机变量和随机过程）。
　　《状态估计和关联的实践应用》内容主要包括10章，第1-6章主要讨论单个传感器量测、单个目标场景下的状态估计问题，第7章将问题从单传感器扩展到多传感器，第8-10章进一步将研究内容扩展到多个目标，着重研究量测一航迹关联问题和航迹一航迹相关问题。
　　《状态估计和关联的实践应用》的引言部分依次简要介绍了各章内容，最后对全书内容进行了总结和评述。

【作者简介】

　　Chaw-Bing Chang，获得了我国台湾成功大学电子工程学士学位、美国布法罗纽约州立大学电子工程硕士和博士学位。他于1974年加入林肯实验室，项目是弹道导弹防御的雷达信号处理和弹道估计开展研究。1984年，他成为研究组组长助理，负责美国海军的防空技术研发项目。1998年，他被任命为防空和传感器技术研究组组长，负责海军机载监视雷达系统的技术研发，在此期间，为支持美国海军的山顶项目，他牵头负责了多年数据采集和实验工作。作为海军防空项目的一部分，他为水面舰艇和机载雷达系统的算法研发和性能评估做出了贡献。2004年，他重回林肯实验室的弹道导弹防御项目，参与了雷达和光学传感器的先进算法开发和现象研究，并领导针对弹道导弹防御的一项机载光学传感器技术项目。他发表了超过70篇的期刊、会议论文以及林肯实验室报告。他目前是弹道导弹防御系统集成组的高级研发人员。
　　
　　Keh-Ping Dunn先后在我国台湾交通大学获得控制系统工程学士学位，在美国密苏里州圣路易斯的华盛顿大学获得系统科学的硕士学位和数学专业博士学位。1976年加入林肯实验室之前，他在美国麻省理工学院的电子系统实验室负责美国宇航局（NASA）的F-8C飞机多模型自适应控制系统项目。在林肯实验室，他在弹道导弹防御的多个领域开展了研究工作。1992年，他成为系统测试和分析组组长，负责完成了战区弹道导弹防御关键测量项目的头两次试验，该项目在90年代在太平洋进行了一系列实弹试验。由于在该项目中的工作，他于2010年获得了导弹防御局年度技术成就奖。其后，为完成导弹防御局的研究项目，他先后负责了战区弹道导弹防御小组（1999-2003）、先进概念和技术小组（2003-2008）和导弹防御要素小组（2008-2010）工作。80年代后期，他领导了战略防御倡议组织的战略防御倡议（SDI）跟踪评判组的跟踪参数评判小组。他参加了林肯实验室的各种弹道导弹防御传感器（光学和雷达）系统的多目标多传感器跟踪、目标识别和传感器融合与决策架构等方面的工作。他目前是弹道导弹防御系统集成组的高级研发人员。

【目录】

第1章 参数估计
1．1 引言
1．2 问题描述
1．3 估计器的定义
1．3．1 常参数的估计
1．3．2 随机参数的估计
1．3．3 估计器的特性
1．3．4 估计器性能测度：估计误差
1．4 估计器的推导：线性高斯，常参数
1．4．1 最小二乘估计器
1．4．2 加权最小二乘估计器
1．4．3 极大似然估计器
1．5 估计器的推导：线性高斯，随机参数
1．5．1 最小二乘估计器
1．5．2 加权最小二乘估计器
1．5．3 最大后验概率估计器
1．5．4 条件期望估计器
1．6 噪声和随机参数服从联合高斯分布的非线性量测
1．7 Crame-Rao界值
1．8 数值示例
附录1A 给定误差协方差矩阵条件下相关随机向量的仿真
附录1B 最小二乘估计器的其他特性
课后习题
参考文献

第2章 线性系统的状态估计
2．1 引言
2．2 状态方程和量测方程
2．3 状态估计的定义
2．3．1 可观性
2．3．2 估计误差
2．4 状态估计的贝叶斯方法
2．5 状态估计的卡尔曼滤波器
2．6 卡尔曼滤波器的推导：对加权最小二乘参数估计器的扩展
2．7 卡尔曼滤波器的推导：采用递归贝叶斯定理
2．8 对卡尔曼滤波器原始文献中确定估计特性的回顾
2．9 平滑器
2．9．1 标识和定义
2．9．2 固定区间平滑器
2．9．3 固定点平滑器
2．9．4 固定延迟平滑器
2．9．5 噪声量测环境下确定性系统的固定间隔平滑估计
2．9．6 固定间隔平滑估计在卡尔曼滤波器初始条件计算中的应用
2．10 状态估计的Cramer-Rao界值
2．10．1 确定性系统
2．10．2 线性随机系统
2．11 卡尔曼滤波器示例
附录2A随机过程
课后习题
参考文献
……

第3章 非线性系统的状态估计
第4章 卡尔曼滤波器设计的实际考量
第5章 多模型估计算法
第6章 状态估计的采样方法
第7章 基于多传感器系统的状态估计
第8章 量测来源不确定条件下的估计和关联
第9章 多假设跟踪算法
第10章 有偏量测条件下的多传感器相关和融合
结束语
附录