自校正滤波理论及其应用 现代时间序列分析方法PDF|Epub|txt|kindle电子书版本下载

自校正滤波理论及其应用 现代时间序列分析方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章离散随机系统模型1

1.1 向量ARMA,AR,MA,CARMA模型1

1.2 传递函数模型9

1.3 状态空间模型10

1.4 状态空间模型与CARMA模型的转化16

1.5 构造纯量ARMA新息模型的解析法19

1.6 求MA参数的Cevers-Wouters算法及MATLAB程序21

1.7 用Cevers-Wouters算法构造ARMA新息模型25

1.8 用迭代法求解Riccati方程构造ARMA新息模型27

1.9 非线性随机模型29

参考文献31

第二章 基于最小二乘法的ARMA模型参数估计的几种快速算法32

2.1 递推最小二乘法（RLS）及其收敛性32

2.2 递推增广最小二乘（RELS）法39

2.3 ARMA模型参数估计的两段RLS-RELS算法——改进的RELS算法41

2.4 ARMA模型参数估计的两段RLS-LS算法45

2.5 CARMA模型的三段RLS-LS-LS参数估计算法49

2.6 向量CAR模型的多重RLS参数估计算法52

2.7 向量CAR模型的多维RLS参数估计算法54

2.8 向量CARMA模型的多重和多维RELS参数估计算法56

2.9 向量CARMA模型的两段RLS-RELS参数估计算法58

2.10 向量ARMA模型的两段RLS-LS参数估计算法60

参考文献63

第三章 带观测噪声的ARMA模型参数估计算法65

3.1 带有色观测噪声的MA模型参数估计的G-W算法65

3.2 带观测噪声的AR模型参数估计的偏差补偿最小二乘（BCLS）法67

3.3 带有色观测噪声的AR模型参数估计的RELS算法71

3.4 带白色观测噪声的AR模型参数估计的递推辅助变量（RIV）算法72

3.5 带白色观测噪声的ARMA（n,n-1）模型参数估计的两段RELS-GW算法74

3.6 带有色观测噪声的ARMA模型参数估计的三段RELS-GW-LS算法75

3.7 带输入和输出观测噪声的传递函数模型参数估计77

3.8 反卷积模型参数估计79

参考文献81

第四章 自校正白噪声估值器及其应用原理83

4.1 白噪声估值器在石油地震勘探中的应用背景84

4.2 白噪声估值器在状态或信号估计中的应用原理86

4.3 Hilbert空间中的射影运算88

4.4 统一的稳态最优白噪声估值器90

4.5 白噪声新息滤波器与Wiener滤波器95

4.6 自校正白噪声估值器96

4.7 自校正白噪声估值器的收敛性106

4.8 白噪声估值器在信号最优和自校正滤波和平滑问题中的应用110

参考文献115

第五章 自校正Kalman滤波器及其在跟踪系统中的应用118

5.1 最优Kalman滤波器和预报器119

5.2 基于Riccati方程的稳态Kalman滤波器和预报器126

5.3 基于CARMA新息模型的稳态Kalman滤波器和预报器131

5.4 自校正Kalman滤波器143

5.5 自校正Kalman滤波器的收敛性156

参考文献159

第六章 自适应Kalman滤波技术161

6.1 Sage和Husa的常的噪声统计估值器和自适应Kalman滤波162

6.2 改进的Sage和Husa自适应Kalman滤波器——时变噪声统计估值器165

6.3 基于白噪声估值器的噪声统计估值器和自适应Kalman滤波器166

6.4 带模型噪声转移阵的系统噪声统计估值器和自适应Kalman滤波器173

6.5 自适应Kalman滤波器在时变参数系统辨识中的应用177

6.6 鲁棒Kalman滤波器——虚拟噪声补偿技术179

6.7 ARMA模型参数估计的鲁棒Kalman滤波方法183

6.8 非线性系统的鲁棒扩展Kalman滤波器185

参考文献192

第七章 自校正预报器194

7.1 最优和自校正Box-Jenkins递推预报器194

7.2 自校正Box-Jenkins递推预报器的收敛性198

7.3 最优和自校正Astr？m递推预报器204

7.4 自校正Astr？m预报器的收敛性207

7.5 多变量最优和自校正Astr？m预报器209

7.6 多变量Koivo最优和自校正预报器210

7.7 自校正Wiener状态预报器212

7.8 自校正指数平滑预报器220

参考文献225

8.1 多通道ARMA信号自校正Wiener估值器227

第八章 自校正Wiener估值器和Kalman估值器及其在跟踪系统中的应用227

8.2 自校正Kalman估值器239

8.3 自校正Wiener状态估值器249

8.4 自校正Wiener反卷积滤波器262

8.5 广义系统自校正Kalman估值器271

8.6 广义系统自校正Wiener状态估值器276

8.7 广义系统自校正降阶Kalman与Wiener状态估值器280

参考文献283

第九章 多传感器信息融合最优和自校正Kalman滤波与Wiener滤波理论284

9.1 两传感器线性最小方差最优融合估计算法285

9.2 多传感器线性最小方差最优递推融合估计算法290

9.3 多传感器极大后验融合估计准则292

9.4 多传感器按对角阵加权线性最小方差最优融合估计算法295

9.5 多传感器按标量加权线性最小方差最优融合估计算法296

9.6 两传感器信息融合稳态最优和自校正Kalman滤波器298

9.7 多传感器按矩阵加权信息融合稳态最优和自校正Kalman滤波器318

9.8 多传感器按对角阵加权信息融合最优和自校正Kalman滤波器323

9.9 多传感器信息融合稳态最优和自校正Kalman平滑器和预报器325

9.10 多传感器信息融合稳态最优和自校正白噪声Wiener反卷积滤波器327

9.1 1 两传感器单通道信息融合稳态最优和自校正Wiener信号滤波器和平滑器335

9.12 两传感器单通道信息融合稳态最优和自校正Wiener信号反卷积滤波器338

9.13 多传感器观测融合Kalman滤波器342

参考文献342