跟踪滤波工程——高斯-牛顿及多项式滤波

第一部分  背景知识第1章  读者必读1.1  读者的教育背景1.2  写作此书的缘由1.3  滤波的名称1.4  本书范围1.5  仿真器1.5.1  实际场景1.5.2  仿真器1.6  符号1.6.1  精度1.7  两个重要的词1.8  滤波过程1.9  误差／协方差矩阵一致性1.10  克拉美罗一致性1.10.1  单变量克拉美罗一致性1.10.2  多元克拉美罗一致性1.11  综合考虑ECM一致和CR一致1.12  卡尔曼／施威林不稳定性1.13  滤波存储器1.14  8种性能监视器1.15  本书的用途附录1.1  滤波存储器第2章  模型、微分方程和转移矩阵2.1  线性2.1.1  线性方程组2.1.2  线性无关2.1.3  直线性和微分方程2.1.4  常系数线性微分方程2.1.5  线性时变微分方程2.1.6  非线性微分方程2.2  两类模型2.2.1  外部模型2.2.2  滤波模型2.2.3  处理微分方程的方法2.3  基于多项式微分方程的模型2.3.1  标记2.3.2  转移矩阵和转移方程2.3.3  转移方程中隐含的曲线2.3.4  观测轨迹2.3.5  三维空间中的表示2.3.6  等距的观测瞬间2.4  基于常系数线性微分方程的模型2.4.1  转移矩阵的一种求解方法2.4.2  每个转移矩阵都是非奇异的2.4.3  常系数线性微分方程的转移矩阵一般求解方法2.4.4  支配转移矩阵的微分方程2.5  基于线性时变微分方程的模型2.5.1  与常系数线性微分方程的比较2.5.2  转移矩阵Φ（tn+ζ，tn）求解2.6  基于非线性微分方程的模型2.6.1  局部线性化方法2.6.2  使用线性时变微分方程的结果2.6.3  小结2.6.4  解析解的例子2.7  数值偏微分附录2.1  向量组的线性独立附录2.2  多项式转移矩阵附录2.3  转移矩阵Φ（tn+ζ，tn）的微分方程起源附录2.4  局部线性化的方法附录2.5  定理2.1  的证明：每个过渡矩阵Φ（ζ）是非奇异的附录2.6  求过渡矩阵的一般方法第3章  观测方案3.1  滤波的工作方式3.1.1  真实状态向量X3.1.2  观测方程3.1.3  四种情况3.2  情况1：线性滤波模型，线性观测方程3.2.1  观测向量序列3.2.2  构建T的两个矩阵3.2.3  线性独立的必要性3.3  情况4：非线性滤波模型，非线性观测方程3.3.1  应用于观测方程的局部线性化3.3.2  观测序列3.4  情况3：非线性滤波模型，线性观测方程3.5  情况2：线性滤波模型，非线性观测方程3.6  总结3.7  将T矩阵合并入滤波器3.7.1  结论附录3.1  ENU（EAST—NORTH—UP）坐标第4章  随机向量和协方差矩阵理论第5章  滤波工程中随机向量和协方差矩阵第6章  偏移误差第7章  ECM一致性的三种检验第二韶分  非递归滤波第8章  最小方差和高斯—埃特肯滤波第9章  最小方差和高斯—牛顿滤波第10章  主控制算法和拟合优度第三部分  递归滤波第11章  卡尔曼／施威林滤波第12章  多项式滤波器—1第13章  多项式滤波器—2参考文献致谢