Kalman滤波理论及其在导航系统中的应用(第3版工业和信息化部十四五规划教材)
¥
108
8.4折
¥
128
全新
仅1件
作者付梦印
出版社科学出版社
出版时间2024-05
版次1
装帧其他
上书时间2024-07-21
商品详情
- 品相描述:全新
图书标准信息
-
作者
付梦印
-
出版社
科学出版社
-
出版时间
2024-05
-
版次
1
-
ISBN
9787030780003
-
定价
128.00元
-
装帧
其他
-
开本
其他
-
页数
302页
- 【内容简介】
-
本书紧密结合 Kalman 滤波理论在导航、制导与控制领域的应用,系统介绍了 Kalman 滤波基础理论及近期新发展。 内容主要包括 Kalman 滤波基本理论、实用Kalman 滤波技术、鲁棒自适应滤波技术、联邦Kalman滤波、多尺度Kalman滤波和离散非线性系统滤波等 。本书注重理论与工程实际相结合,在介绍理论基础上,还融入了作者及其他研究者的实际应用成果,理论与实践并重。
- 【作者简介】
-
1987.08-1989.09 内蒙古自治区气象局计算中心助工1992.03-2013.05 北京理工大学 副教授/教授/副处长/处长2013.05-至 今 南京理工大学 教授/副校长/校长
- 【目录】
-
目录
第1章 绪论1
1.1 Kalman滤波理论基础1
1.1.1 滤波与估计2
1.1.2 线性最小方差估计4
1.1.3 正交投影定理6
1.1.4 白噪声与有色噪声7
1.2 Kalman滤波理论的发展及其应用8
思考题12
第2章 随机线性系统Kalman滤波基本方程13
2.1 随机线性系统的数学模型13
2.1.1 随机线性离散系统的数学模型13
2.1.2 随机线性连续系统的数学模型14
2.1.3 随机线性连续系统的离散化16
2.2 随机线性离散系统Kalman滤波方程19
2.2.1 随机线性离散系统Kalman滤波基本方程19
2.2.2 随机线性离散系统Kalman滤波方程的直观推导21
2.2.3 随机线性离散系统Kalman滤波方程的投影法推导23
2.3 随机线性连续系统Kalman滤波基本方程28
2.4 随机线性离散系统的很优预测与平滑31
2.4.1 随机线性离散系统的很优预测31
2.4.2 随机线性离散系统的很优平滑33
2.4.3 很优平滑方法在惯导系统中的应用34
2.5 Kalman滤波在车载惯导系统中的应用实例38
2.5.1 里程计误差建模38
2.5.2 紧耦合辅助模式下系统建模40
2.5.3 跑车实验验证及结果分析42
思考题44
第3章 Kalman滤波的稳定性及误差分析46
3.1 稳定性的概念46
3.2 随机线性系统的可控性与可观测性47
3.2.1 随机线性系统的可控性47
3.2.2 随机线性系统的可观测性48
3.3 Kalman滤波稳定性的判别49
3.3.1 随机线性系统的滤波稳定性判别49
3.3.2 特定条件系统的滤波稳定性判别51
3.4 Kalman滤波发散及误差分析54
3.4.1 Kalman滤波中的发散现象54
3.4.2 Kalman滤波的误差分析56
3.5 惯导系统可观测性与可观测度分析方法60
3.5.1 捷联惯导系统误差模型61
3.5.2 可观测性分析方法63
3.5.3 可观测度分析方法67
思考题76
第4章 实用Kalman滤波技术77
4.1 噪声非标准假设条件下的Kalman滤波77
4.1.1 存在确定性控制时的Kalman滤波77
4.1.2 白噪声相关条件下的Kalman滤波78
4.1.3 有色噪声条件下的Kalman滤波80
4.1.4 厚尾噪声条件下的Kalman滤波83
4.2 分解滤波87
4.2.1 非负定阵的三角形分解87
4.2.2 观测值为标量时误差方差平方根滤波89
4.2.3 序列平方根滤波92
4.2.4 UD分解滤波95
4.2.5 分解滤波在近地卫星GNSS自主定轨中的应用99
4.3 信息滤波105
4.3.1 信息平方根滤波105
4.3.2 厚尾噪声条件下的信息滤波109
思考题111
第5章 鲁棒自适应滤波技术113
5.1 系统的不确定性113
5.2 鲁棒控制技术基础114
5.2.1 基础知识114
5.2.2 H∞控制的标准设计问题115
5.2.3 Hamilton矩阵与H∞标准设计问题的求解116
5.3 H∞滤波119
5.3.1 H∞滤波问题的表达119
5.3.2 次优H∞滤波问题的解120
5.3.3 H∞滤波器的参数化121
5.3.4 GPS/INS组合导航系统H∞滤波122
5.4 强跟踪滤波125
5.4.1 强跟踪滤波器的引入125
5.4.2 基于强跟踪滤波的多传感器状态融合估计129
5.4.3 里程计辅助惯导系统动基座对准应用实例130
5.5 自适应滤波134
5.5.1 相关法自适应滤波135
5.5.2 Sage-Husa自适应Kalman滤波138
5.5.3 激光陀螺随机漂移自适应Kalman滤波145
思考题148
第6章 联邦Kalman滤波149
6.1 各子滤波器估计不相关条件下的联邦Kalman滤波算法149
6.2 各子滤波器估计相关条件下的联邦Kalman滤波算法151
6.2.1 信息分配原则与全局很优估计151
6.2.2 联邦滤波算法的时间更新154
6.2.3 联邦滤波算法的观测更新155
6.2.4 联邦滤波器的结构157
6.3 基于联邦Kalman滤波的惯导系统姿态组合算法159
6.3.1 基于姿态-位置-速度组合方式的联邦滤波器实现结构159
6.3.2 姿态组合观测方程160
6.3.3 仿真实验与结果分析161
6.4 基于联邦Kalman滤波的自主无人系统多源融合导航算法164
6.4.1 自主无人系统多源融合导航联邦Kalman滤波器结构165
6.4.2 自适应信息分配算法166
6.4.3 自适应联邦Kalman滤波算法跑车实验验证168
思考题170
第7章 基于小波变换的多尺度Kalman滤波171
7.1 小波变换基础171
7.1.1 小波变换概述171
7.1.2 多尺度分析173
7.1.3 Mallat算法177
7.2 多尺度系统理论179
7.3 动态系统的多尺度Kalman滤波181
7.4 多尺度Kalman滤波在导航系统中的应用184
7.4.1 系统描述184
7.4.2 多尺度模型的建立185
7.4.3 状态的多尺度估计187
7.4.4 组合导航系统的多尺度Kalman滤波仿真实验190
思考题193
第8章 扩展Kalman滤波195
8.1 普通扩展Kalman滤波195
8.1.1 随机非线性离散系统标称状态线性化滤波196
8.1.2 随机非线性离散系统扩展Kalman滤波198
8.1.3 扩展Kalman滤波在车辆GPS/DR组合定位系统中的应用200
8.2 多模型扩展Kalman滤波206
8.2.1 问题描述206
8.2.2 概率模型集设计206
8.2.3 多模型扩展Kalman滤波210
8.2.4 观测信息随机不可靠下的鲁棒多模型扩展Kalman滤波211
8.2.5 实验与结果分析212
思考题214
第9章 无迹Kalman滤波215
9.1 无迹变换与无迹Kalman滤波215
9.2 中心微分Kalman滤波218
9.3 平方根无迹Kalman滤波220
9.4 鲁棒无迹Kalman滤波222
9.4.1 鲁棒滤波算法代价函数的推导222
9.4.2 RDUKF算法流程224
9.4.3 RDUKF算法估计误差的随机有界性分析225
9.4.4 实验与结果分析229
9.5 自适应鲁棒无迹Kalman滤波233
9.5.1 代价函数构建233
9.5.2 基于自适应因子和优选相关熵准则的UKF算法设计236
9.5.3 实验与结果分析239
9.6 基于自适应鲁棒无迹Kalman滤波的重力匹配方法241
9.6.1 重力匹配算法误差模型建立241
9.6.2 基于ARUKF的重力匹配算法243
9.6.3 算法仿真分析248
9.7 无迹Kalman滤波在GNSS/INS松组合导航系统中的应用251
9.7.1 系统的状态方程251
9.7.2 系统的观测方程254
9.7.3 基于无迹Kalman滤波的传感器时延补偿255
9.7.4 实验与结果分析255
思考题260
第10章 粒子滤波261
10.1 经典粒子滤波261
10.1.1 隐马氏模型与Bayes推断261
10.1.2 重要性采样263
10.1.3 序列重要性采样264
10.1.4 重采样法266
10.1.5 优选重要性密度函数法269
10.2 基于皮尔森系数驱动的粒子滤波270
10.2.1 皮尔森系数270
10.2.2 基于皮尔森系数驱动的粒子滤波设计271
10.2.3 仿真与对比分析272
10.3 无迹粒子滤波276
10.3.1 无迹粒子滤波算法276
10.3.2 无迹粒子滤波在捷联惯导初始对准中的应用279
思考题284
参考文献285
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价