非线性系统参数和状态联合估计新算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·粒子滤波的发展现状 | 第10-11页 |
| ·论文的主要结构 | 第11-13页 |
| 第2章 粒子滤波及其改进算法 | 第13-30页 |
| ·状态空间模型 | 第13-14页 |
| ·贝叶斯重要性采样 | 第14-16页 |
| ·粒子滤波基本算法 | 第16-19页 |
| ·序贯重要性采样及重要性函数的选取 | 第16-17页 |
| ·粒子退化问题 | 第17-18页 |
| ·重采样 | 第18页 |
| ·粒子滤波基本算法流程 | 第18-19页 |
| ·粒子枯竭问题 | 第19-20页 |
| ·粒子滤波改进算法 | 第20-24页 |
| ·Unscented卡尔曼粒子滤波器 | 第20-22页 |
| ·MCMC策略 | 第22-23页 |
| ·正则化粒子滤波器 | 第23-24页 |
| ·仿真实验 | 第24-29页 |
| ·仿真模型 | 第24-25页 |
| ·仿真结果及分析 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 非线性系统参数和状态联合估计 | 第30-44页 |
| ·状态空间模型 | 第30-31页 |
| ·扩展卡尔曼参数和状态二元估计算法 | 第31-34页 |
| ·扩展卡尔曼滤波 | 第31-32页 |
| ·基于EKF的参数估计 | 第32-33页 |
| ·DEKF算法 | 第33-34页 |
| ·基于粒子滤波的非线性系统参数和状态联合估计算法 | 第34-39页 |
| ·参数和状态联合估计的粒子滤波算法 | 第34-36页 |
| ·参数粒子退化问题 | 第36页 |
| ·参数核平滑收缩技术 | 第36-37页 |
| ·贝塔分布 | 第37页 |
| ·联合估计算法 | 第37-39页 |
| ·仿真实验 | 第39-43页 |
| ·仿真模型 | 第39-40页 |
| ·仿真结果及分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 非线性混合信号分离 | 第44-58页 |
| ·状态空间模型 | 第44-45页 |
| ·混合信号分离算法 | 第45-46页 |
| ·观测方程为线性的仿真实验 | 第46-52页 |
| ·仿真模型 | 第46页 |
| ·仿真结果及分析 | 第46-52页 |
| ·观测方程为非线性的仿真实验 | 第52-57页 |
| ·仿真模型 | 第52页 |
| ·仿真结果及分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 攻读硕士学位期间发表的学术论文和获奖情况 | 第62页 |
