| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景 | 第10-14页 |
| 1.1.1 基本状态估计算法综述 | 第10-11页 |
| 1.1.2 跳变系统估计算法综述 | 第11-14页 |
| 1.2 基本概念及算法 | 第14-17页 |
| 1.2.1 不完备信息集 | 第14页 |
| 1.2.2 全概率与贝叶斯定理 | 第14-15页 |
| 1.2.3 卡尔曼滤波 | 第15-16页 |
| 1.2.4 贝叶斯状态估计 | 第16-17页 |
| 1.3 多模型状态估计 | 第17-20页 |
| 1.3.1 贝叶斯估计 | 第17-19页 |
| 1.3.2 交互多模型算法 | 第19-20页 |
| 1.4 本文主要研究内容 | 第20-24页 |
| 第二章 含未知状态时延线性Markov跳变系统的递推状态估计 | 第24-40页 |
| 2.1 引言 | 第24页 |
| 2.2 模型描述 | 第24-25页 |
| 2.3 最优估计 | 第25-28页 |
| 2.4 次优实现 | 第28-37页 |
| 2.4.1 二重交互多模型算法 | 第28-31页 |
| 2.4.2 启发式检测交互多模型算法 | 第31-33页 |
| 2.4.3 仿真测试 | 第33-37页 |
| 2.5 小结 | 第37-40页 |
| 第三章 含不确定转移概率非线性Markov跳变系统的状态估计 | 第40-66页 |
| 3.1 引言 | 第40页 |
| 3.2 问题的描述与准备知识 | 第40-42页 |
| 3.3 置信转移概率 | 第42-48页 |
| 3.3.1 不准确转移概率的影响 | 第42-44页 |
| 3.3.2 置信转移概率的计算 | 第44-45页 |
| 3.3.3 斜截断高斯概率密度函数 | 第45-48页 |
| 3.4 滤波器设计 | 第48-55页 |
| 3.4.1 仿真试验 | 第51-55页 |
| 3.5 含状态依赖转移概率的状态估计 | 第55-64页 |
| 3.5.1 状态依赖转移概率 | 第57-58页 |
| 3.5.2 格子滤波器 | 第58-60页 |
| 3.5.3 仿真实验 | 第60-64页 |
| 3.6 小结 | 第64-66页 |
| 第四章 一类不确定线性Markov跳变系统的自适应风险敏感滤波器 | 第66-82页 |
| 4.1 引言 | 第66页 |
| 4.2 信号模型 | 第66-68页 |
| 4.3 险敏感交互多模型算法分析 | 第68-71页 |
| 4.3.1 险敏感交互多模型算法 | 第68-69页 |
| 4.3.2 鲁棒性能分析 | 第69-71页 |
| 4.4 自适应风险敏感交互多模型算法 | 第71-73页 |
| 4.4.1 残差特征 | 第71-73页 |
| 4.5 自适应风险敏感交互多模型算法 | 第73-80页 |
| 4.5.1 仿真试验 | 第76-80页 |
| 4.6 小结 | 第80-82页 |
| 第五章 基于粒子逼近非线性Markov跳变系统的风险敏感滤波 | 第82-94页 |
| 5.1 引言 | 第82页 |
| 5.2 问题构建 | 第82-85页 |
| 5.2.1 信号模型 | 第82-83页 |
| 5.2.2 参考概率空间 | 第83-85页 |
| 5.3 粒子逼近 | 第85-90页 |
| 5.4 仿真试验 | 第90-93页 |
| 5.5 小结 | 第93-94页 |
| 第六章 非齐次线性Markov跳线系统的贝叶斯状态估计 | 第94-108页 |
| 6.1 引言 | 第94-95页 |
| 6.2 问题描述及准备知识 | 第95-96页 |
| 6.3 贝叶斯估计 | 第96-99页 |
| 6.3.1 非齐次转移概率矩阵的递推 | 第96-98页 |
| 6.3.2 状态最优估计器 | 第98-99页 |
| 6.4 次优实现 | 第99-103页 |
| 6.5 数值仿真 | 第103-107页 |
| 6.6 小结 | 第107-108页 |
| 第七章 结论与展望 | 第108-112页 |
| 7.1 结论 | 第108-109页 |
| 7.2 展望 | 第109-112页 |
| 致谢 | 第112-114页 |
| 参考文献 | 第114-126页 |
| 附录：作者在攻读博士学位期间发表的论文 | 第126-127页 |
