建模与评估 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

建模与评估 第2版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

绪论1

0.1 估计理论的发展过程和估计问题的分类1

0.2 模型参数估计问题2

0.3 时间序列、信号、状态估计问题3

0.4 信息融合估计问题8

0.5 自校正状态与信号估计问题10

0.6 自校正状态与信号信息融合估计问题11

参考文献13

第1章 ARMA模型与状态空间模型14

1.1 引言14

1.2 随机过程15

1.3 自回归滑动平均模型24

1.4 ARMA过程的展式30

1.5 ARMA过程的相关函数35

1.6 状态空间模型43

习题52

参考文献54

第2章 最小二乘法参数估计55

2.1 引言55

2.2 递推最小二乘法57

2.3 加权最小二乘法67

2.4 递推增广最小二乘法71

2.5 两段RLS-RELS算法——改进的RELS算法74

2.6 两段RLS-LS算法80

2.7 递推辅助变量算法及其收敛性87

2.8 偏差补偿递推最小二乘法93

2.9 多重RLS算法101

2.10 多维RLS算法103

习题109

参考文献111

第3章 状态与信号的最优估计——经典Kalman滤波与时域Wiener滤波113

3.1 引言113

3.2 射影理论120

3.3 Kalman滤波器和预报器126

3.4 Kalman平滑器134

3.5 白噪声估值器138

3.6 信息滤波器146

3.7 稳态Kalman滤波148

3.8 基于Kalman滤波的时域Wiener滤波方法158

3.9 平稳和非平稳向量ARMA过程的Box-Jenkins递推预报器168

3.10 ARMA过程的？str？m预报器171

习题175

参考文献178

第4章 多传感器最优信息融合估计——Kalman滤波方法181

4.1 引言181

4.2 三种加权多传感器最优信息融合准则183

4.3 多传感器信息融合Kalman滤波器和预报器194

4.4 多传感器信息融合稳态Kalman滤波器和预报器200

4.5 分布式信息融合ARMA信号Wiener滤波器208

4.6 加权观测融合Kalman滤波器217

4.7 加权观测融合Wiener信号滤波器223

4.8 带不同观测阵的两种加权观测融合Kalman滤波器的功能等价性227

习题233

参考文献235

第5章 状态与信号的最优估计——现代时间序列分析方法导论237

5.1 引言237

5.2 构造ARMA新息模型的Gevers-Wouters算法239

5.3 统一的稳态最优白噪声估计理论249

5.4 多通道ARMA信号Wiener滤波器258

5.5 基于ARMA新息模型的稳态Kalman滤波器和预报器263

习题275

参考文献279

第6章 多传感器最优信息融合估计——现代时间序列分析方法283

6.1 引言283

6.2 多传感器信息融合白噪声反卷积估值器283

6.3 多通道ARMA信号信息融合Wiener滤波器289

6.4 信息融合稳态Kalman滤波器和预报器298

6.5 加权观测融合稳态Kalman滤波器303

6.6 加权观测融合Wiener信号滤波器311

习题317

参考文献319

第7章 自校正估计与自校正信息融合估计320

7.1 引言320

7.2 自校正α-β跟踪滤波器323

7.3 自校正对角阵加权信息融合Kalman滤波器及其收敛性分析330

7.4 自校正加权观测融合Kalman滤波器344

7.5 多变量ARMA信号自校正滤波器352

7.6 自校正信号检测数字滤波器361

习题364

参考文献365

附录1 稳态Kalman滤波算法Matlab仿真通式367

附录2 三种加权信息融合算法Matlab仿真通式368

附录3 构造ARMA新息模型的Gevers-Wouters算法Matlab仿真通式369

附录4 RLS-RELS算法Matlab仿真通式370

附录5 RELS算法Matlab仿真通式371