观测时滞系统的最优滤波
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 引言 | 第12-22页 |
| ·课题研究的目的意义 | 第12-14页 |
| ·国内外研究现状 | 第14-21页 |
| ·最优滤波方法 | 第14-16页 |
| ·时滞系统滤波 | 第16-18页 |
| ·H_∞性能指标 | 第18-19页 |
| ·白噪声估值器 | 第19-21页 |
| ·本文的主要工作 | 第21-22页 |
| 1 预备知识 | 第22-31页 |
| ·估计的几个问题 | 第22-24页 |
| ·估计理论 | 第22页 |
| ·性能评价准则 | 第22页 |
| ·估计方法 | 第22-23页 |
| ·估计的分类 | 第23-24页 |
| ·Kalman滤波理论 | 第24-28页 |
| ·发展及应用 | 第24页 |
| ·Kalman滤波关键思想 | 第24-26页 |
| ·随机线性离散系统的Kalman滤波方程 | 第26-27页 |
| ·随机线性连续系统的Kalman滤波方程 | 第27-28页 |
| ·Krein空间 | 第28-31页 |
| ·Krein空间的定义 | 第28-30页 |
| ·Krein空间内的射影 | 第30-31页 |
| 2 时滞离散系统的Kalman滤波 | 第31-52页 |
| ·引言 | 第31页 |
| ·单时滞观测问题描述 | 第31-32页 |
| ·单时滞观测的主要结果 | 第32-38页 |
| ·单时滞观测数据的重组 | 第32-33页 |
| ·单时滞新息重组序列 | 第33-34页 |
| ·单时滞Riccati方程 | 第34-35页 |
| ·单时滞Kalman滤波器 | 第35-38页 |
| ·多时滞观测问题描述 | 第38-39页 |
| ·多时滞观测的主要结果 | 第39-44页 |
| ·多时滞观测数据重组 | 第39页 |
| ·多时滞新息重组序列 | 第39-41页 |
| ·多时滞Riccati方程 | 第41-42页 |
| ·多时滞Kalman滤波器 | 第42-44页 |
| ·运算量比较 | 第44-47页 |
| ·仿真实例 | 第47-50页 |
| ·小结 | 第50-52页 |
| 3 时滞连续系统的Kalman滤波 | 第52-73页 |
| ·引言 | 第52-53页 |
| ·单时滞观测问题描述 | 第53-54页 |
| ·单时滞观测的主要结果 | 第54-58页 |
| ·单时滞新息重组序列 | 第54-56页 |
| ·单时滞Riccati微分方程 | 第56-57页 |
| ·单时滞Kalman滤波器 | 第57-58页 |
| ·多时滞观测问题描述 | 第58-59页 |
| ·多时滞观测的主要结果 | 第59-64页 |
| ·多时滞新息重组序列 | 第59-61页 |
| ·多时滞Riccati微分方程 | 第61-63页 |
| ·多时滞Kalman滤波器 | 第63-64页 |
| ·仿真实例 | 第64-69页 |
| ·小结 | 第69-73页 |
| 4 H_∞白噪声滤波 | 第73-85页 |
| ·引言 | 第73-74页 |
| ·问题描述 | 第74-75页 |
| ·J_N(·)的最小值 | 第75-78页 |
| ·H_∞白噪声滤波器存在的充要条件 | 第78-80页 |
| ·H_∞白噪声滤波器 | 第80-82页 |
| ·仿真例子 | 第82-84页 |
| ·小结 | 第84-85页 |
| 5 离散系统H_∞白噪声平滑 | 第85-100页 |
| ·引言 | 第85页 |
| ·问题描述 | 第85页 |
| ·主要结果 | 第85-98页 |
| ·(5.9)-(5.10)的Kalman滤波 | 第88-96页 |
| ·H_∞白噪声固定时滞平滑器 | 第96-98页 |
| ·仿真例子 | 第98-99页 |
| ·小结 | 第99-100页 |
| 6 连续系统H_∞白噪声平滑 | 第100-113页 |
| ·引言 | 第100页 |
| ·问题描述 | 第100-101页 |
| ·主要结果 | 第101-111页 |
| ·Kalman滤波计算 | 第105-110页 |
| ·H_∞白噪声固定时滞平滑器 | 第110-111页 |
| ·仿真实例 | 第111-112页 |
| ·小结 | 第112-113页 |
| 7 时滞系统的鲁棒Kalman滤波器设计 | 第113-125页 |
| ·引言 | 第113页 |
| ·问题描述 | 第113-117页 |
| ·有限时域鲁棒Kalman滤波器设计方法 | 第117-122页 |
| ·无限时域鲁棒Kalman滤波器的设计 | 第122-123页 |
| ·仿真实例 | 第123-124页 |
| ·小结 | 第124-125页 |
| 8 新息重组在信息融合中的应用 | 第125-143页 |
| ·引言 | 第125-126页 |
| ·多传感器线性最小方差最优递推融合估计算法 | 第126-129页 |
| ·时滞双模型系统 | 第129-140页 |
| ·最小方差意义下的按标量加权的优化信息融合准则 | 第130-131页 |
| ·新息重组 | 第131-133页 |
| ·自协方差矩阵和互协方差矩阵 | 第133-137页 |
| ·子模型状态的最优估计 | 第137-138页 |
| ·信息融合Kalman滤波 | 第138-140页 |
| ·仿真实例 | 第140-142页 |
| ·结论 | 第142-143页 |
| 结论 | 第143-145页 |
| 参考文献 | 第145-154页 |
| 附录 | 第154-159页 |
| 创新点 | 第159-160页 |
| 攻读博士期间发表的论文、获奖及项目情况 | 第160-162页 |
| 致谢 | 第162-163页 |
