魯棒融合估計理論及應(yīng)用

第1章 緒論
1．1 引言
1．2 多傳感器最優(yōu)信息融合Kalman濾波
1．2．1 集中式融合與分布式融合方法
1．2．2 狀態(tài)融合與觀測融合方法
1．3 不確定系統(tǒng)魯棒Kalman濾波
1．3．1 系統(tǒng)的不確定性
1．3．2 噪聲方差不確定性
1．3．3 模型參數(shù)不確定性
1．3．4 系統(tǒng)觀測不確定性
1．3．5 魯棒性
1．4 魯棒Kalman濾波方法
1．4．1 Riccati方程方法
1．4．2 線性矩陣不等式（LMI）方法
1．4．3 極大極小魯棒濾波方法
1．4．4 最優(yōu)魯棒濾波方法
1．4．5 協(xié)方差交叉（CI）融合魯棒Kalman濾波方法
1．5 魯棒Kalman濾波研究現(xiàn)狀
1．5．1 僅含不確定噪聲方差系統(tǒng)魯棒Kalman濾波
1．5．2 僅含范數(shù)有界不確定參數(shù)系統(tǒng)魯棒Kalman濾波
1．5．3 僅含乘性噪聲系統(tǒng)魯棒Kalman濾波
1．5．4 混合不確定網(wǎng)絡(luò)化系統(tǒng)最優(yōu)魯棒Kalman濾波
1．5．5 混合不確定網(wǎng)絡(luò)化系統(tǒng)極大極小魯棒融合Kalman濾波
1．6 極大極小魯棒融合估計理論及應(yīng)用、方法論、主要貢獻和創(chuàng)新
1．6．1 本書最新研究成果
1．6．2 主要貢獻和創(chuàng)新
1．7 面臨的挑戰(zhàn)性問題
參考文獻
第2章 最優(yōu)估計方法
2．1 WLS估計方法
2．2 LUMV估計方法
2．3 LMV估計方法——正交投影方法，新息分析方法
2．4 最優(yōu)加權(quán)狀態(tài)融合估計方法
2．4．1 按矩陣加權(quán)最優(yōu)狀態(tài)融合估計方法
2．4．2 按標(biāo)量加權(quán)最優(yōu)狀態(tài)融合估計方法
2．4．3 按對角陣加權(quán)最優(yōu)狀態(tài)融合估計方法
2．5 最優(yōu)加權(quán)觀測融合估計方法
2．5．1 加權(quán)觀測融合數(shù)據(jù)壓縮準(zhǔn)則
2．5．2 加權(quán)觀測融合算法
2．5．3 加權(quán)觀測融合算法的全局最優(yōu)性
參考文獻
……
第3章 最優(yōu)Kalman濾波
第4章 魯棒融合Kalman濾波新方法和關(guān)鍵技術(shù)
第5章 不確定系統(tǒng)改進的CI融合魯棒Kalman估值器
第6章 帶混合不確定性網(wǎng)絡(luò)化系統(tǒng)加權(quán)狀態(tài)融合魯棒Kalman估值器
第7章 不確定多模型系統(tǒng)加權(quán)狀態(tài)融合魯棒Kalman估值器
第8章 帶乘性噪聲和丟包的混合不確定網(wǎng)絡(luò)化系統(tǒng)魯棒Kalman濾波
第9章 帶乘性噪聲和丟失觀測的混合不確定網(wǎng)絡(luò)化系統(tǒng)魯棒融合器
第10章 混合不確定系統(tǒng)魯棒融合白噪聲反卷積
第11章 混合不確定網(wǎng)絡(luò)化系統(tǒng)保性能魯棒融合穩(wěn)態(tài)Kalman濾波