第一章 绪论
1-1 估计与估计对象
1-2 估计质量评价
1-3 估计方法名称、符号，应用准则与条件
第一篇 变量估计
第二章 确定变量估计
2-1 最小二乘估计?l m
2-2 最优加权最小二乘估计?l a w
2-3 非线性最小二乘估计
2-4 最大似然估计?m l
2-5 最小二乘拟合
2-6 有约束最小二乘估计
第三章 随机变量估计
3-1 贝叶斯估计原理
3-2 最大后验估计?m a p
3-3 最小方差估计?m v
3-4 线性最小方差估计?l m v
3-5 最小均方误差估计?l m ??
3-6 变量估计方法总结
第二篇 维纳滤波
第四章 离散维纳滤波
4-1 平稳随机序列维纳滤波
4-2 维纳滤波器权系数的递推算法
4-3 莱文森预测滤波算法
4-4 非平稳随机序列维纳滤波
4-5 广义维纳滤波
4-6 连续时间维纳滤波
4-7 IIR型离散时间维纳滤波器
第五章 自适应维纳滤波
5-1 自适应维纳滤波原理
5-2 最速下降算法
5-3 威特罗(Widrow)算法
5-4 自适应维纳滤波的应用
5-5 自适应波束形成器
第三篇 卡尔曼滤波
第六章 恒增益递归滤波器与信号模型
6-1 标量恒增益递归滤波器
6-2 a-β滤波器
6-3 a-β-γ滤波器
6-4 信号状态变量模型
6-5 信号模型的可观测性与可控制性
第七章 离散卡尔曼滤波
7-1 离散卡尔曼滤波
7-2 高斯分布条件下的卡尔曼滤波
7-3 卡尔曼滤波与线性最小方差估计
7-4 卡尔曼滤波与最优加权最小二乘估计
7-5 卡尔曼滤波解的存在条件
7-6 卡尔曼滤波器的稳定性
7-7 卡尔曼滤波器中的新息与增益
7-8 定常信号模型恒增益滤波器的稳定性
第八章 卡尔曼滤波的推广
8-1 降低滤波计算量的方法
8-2 有色噪声模型的滤波
8-3 非线性模型的滤波
8-4 卡尔曼平滑简述
8-5 连续时间模型的离散化
8-6 连续时间卡尔曼滤波
第九章 卡尔曼滤波的应用
9-1 应用卡尔曼滤波时应注意的问题
9-2 在航行管理雷达中的应用
9-3 在被动声纳中的应用
9-4 在鱼雷航迹测量中的应用
9-5 在最优控制中的应用
9-6 在AR谱估计中的应用
第十章 自适应卡尔曼滤波
10-1 模型发散及其抑制方法
10-2 机动量的检测与估计
10-3 最优稳态增益的估计
10-4 噪声统计量的差分法估计
10-5 机动量X2分布检验与方差匹配
10-6 噪声统计量与信号状态的交替估计
10-7 信号状态与模型参数的联合估计
10-8 数值发散及其抑制方法
第四篇 谱估计
第十一章 线性功率谱估计
11-1 相关函数法
11-2 周期图法
11-3 谱估值的平滑
第十二章 非线性功率谱估计
12-1 最大熵谱估计
12-2 预测误差滤波器(PEF)
12-3 自回归模型法与最大熵谱分析法的等价
12-4 计算最大熵谱(或AR谱)的几种方法
12-5 PEF(或AR模型)阶数的确定
12-6 自回归滑动平均(ARMA)谱估计
12-7 最小交叉熵谱估计方法
12-8 最大似然谱估计
附录A 施瓦兹不等式
附录B 欠定方程组的最小范数解
附录C 矩阵导数
附录D 五个常用的矩阵等式
参考文献