非线性滤波理论与目标跟踪应用
出版时间：2013年版
内容简介
《非线性滤波理论与目标跟踪应用》以目标跟踪为应用背景，系统阐述了贝叶斯递推估计框架下的非线性滤波理论和实现方法，开针对不同的算法给出了大量的应用实例。全书内容共分四大部分、十二章，第一部分为非线性滤波理论与应用基础（分两章），主要包含卡尔曼滤波算法原理及各种衍生形式、目标跟踪的系统模型、性能测度等；第二部分为解析高斯近似滤波与应用（分四章），系统阐述四大类非线性滤波的算法原理、实现方法及改进算法，具体包括函数近似法（扩展卡尔曼滤波、中心差分卡尔曼滤波）、确定性采样近似法（不敏卡尔曼滤波）、积分近似法（求积卡尔曼滤波、求容积卡尔曼滤波）及混合近似法（高斯和扩展卡尔曼滤波、高斯和不敏卡尔曼滤波）等；第三部分为随机采样近似滤波与应用（分四章），详细阐述四类重要的随机采样近似滤波算法原理和实现方法，主要包括标准粒子滤波算法、序贯重要采样滤波（扩展粒子滤波、不敏粒子滤波）及改进算法、边缘化粒子滤波算法及智能优化采样滤波（包括遗传粒子滤波、免疫粒子．滤波、人工鱼群粒子滤波）等；第四部分为非线性滤波的扩展与应用（分两章），重点阐述在多传感器和多模型两种扩展条件下、基于解析高斯和随机采样两种近似的滤波算法原理和实现方法，包括多传感器融合滤波、多模型滤波等。《非线性滤波理论与目标跟踪应用》可作为从事非线性滤波、贝叶斯估计、随机信号处理、目标跟踪等科研工作人员的参考用书，也可作为电子技术、信息技术、自动化技术等专业的研究生用书和补充教材。
目录
第一部分 非线性滤波理论与应用基础
第1章 离散时间最优贝叶斯滤波
1．1 贝叶斯滤波的统一框架
1．2 最优卡尔曼滤波
1．2．1 卡尔曼滤波的MAP准则推导
1．2．2 卡尔曼滤波的正交投影推导
1．3 卡尔曼滤波的扩展
1．3．1 完整形式的卡尔曼滤波
1．3．2 噪声未知时的滤波算法
1．3．3 带未知参量的滤波算法
1．3．4 卡尔曼滤波的求根实现
1．4 应用实例
1．4．1 系统噪声自适应估计
1．4．2 匀加速机动目标跟踪
1．5 本章小结
第2章 非线性跟踪应用与性能评估
2．1 非线性跟踪系统模型
2．1．1 目标运动常用模型
2．1．2 传感器观测模型
2．1．3 雷达量测转换
2．2 非线性滤波性能评估
2．2．1 通用误差评估指标
2．2．2 滤波误差理论下限
2．3 应用实例
2．3．1 二维转换量测目标跟踪
2．3．2 跟踪误差理论下限分析
2．4 本章小结
参考文献
第二部分 解析高斯近似滤波与应用
第3章 函数近似高斯滤波
3．1 扩展卡尔曼滤波
3．1．1 随机变量的非线性传递
3．1．2 扩展卡尔曼滤波算法
3．2 EKF的误差分析与改进方法
3．2．1 EKF的近似误差分析
3．2．2 EKF的几种改进方法
3．3 中心差分卡尔曼滤波
3．3．1 二阶Sterling多项式插值
3．3．2 插值后的均值和方差计算
3．3．3 中心差分卡尔曼滤波器
3．3．4 求根中心差分卡尔曼滤波器
3．4 应用实例
3．4．1 径向速度测量跟踪
3．4．2 椭圆扩展目标跟踪
3．5 本章小结
第4章 确定性采样近似高斯滤波
4．1 不敏变换与UKF滤波
4．1．1 不敏变换UT
4．1．2 UT近似误差分析
4．1．3 UKF算法
4．2 求根UKF算法
4．3 迭代UKF算法
4．4 简化UKF算法
4．5 联合估计UKF算法
4．6 应用实例
4．6．1 被动目标跟踪
4．6．2 转弯目标跟踪
4．7 本章小结
第5章 求积近似高斯滤波
5．1 GH卡尔曼滤波
5．1．1 GH求积分规则
5．1．2 GH求积卡尔曼滤波
5．2 求容积卡尔曼滤波
5．2．1 求容积规则
……
第三部分 随机采样近似滤波与应用
第四部分 非线性滤波的扩展与应用
附录
