卡尔曼类滤波器在状态参数联合估计的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 主要符号对照表 | 第14-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题的背景和研究意义 | 第15-17页 |
| 1.2 联合估计的研究现状 | 第17页 |
| 1.3 卡尔曼类滤波概述 | 第17-19页 |
| 1.4 本文的主要研究内容与章节安排 | 第19-21页 |
| 第二章 卡尔曼类滤波器 | 第21-29页 |
| 2.1 卡尔曼类滤波器的介绍 | 第21页 |
| 2.2 卡尔曼滤波器 | 第21-24页 |
| 2.2.1 卡尔曼滤波器的推导 | 第21-24页 |
| 2.3 带未知输入的卡尔曼类滤波器 | 第24-28页 |
| 2.3.1 两阶段卡尔曼滤波器 | 第25-27页 |
| 2.3.2 鲁棒卡尔曼滤波器 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 在自回归输入下的联合估计 | 第29-45页 |
| 3.1 自回归序列的特点 | 第29-30页 |
| 3.2 鲁棒卡尔曼滤波器的输入估计 | 第30-32页 |
| 3.3 自回归参数辨识 | 第32-34页 |
| 3.4 仿真与分析 | 第34-37页 |
| 3.5 联合估计在雷达跟踪目标位置预测的应用 | 第37-43页 |
| 3.5.1 目标运动模型 | 第38-39页 |
| 3.5.2 实际雷达数据仿真实验 | 第39-42页 |
| 3.5.3 模拟实时雷达预测系统的搭建 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 未知参数系统联合估计 | 第45-84页 |
| 4.1 问题阐述 | 第45-46页 |
| 4.2 最优鲁棒卡尔曼输入估计 | 第46-49页 |
| 4.3 最大似然法求解 | 第49-64页 |
| 4.3.1 最大似然估计器 | 第50-57页 |
| 4.3.2 计算量问题分析 | 第57-59页 |
| 4.3.3 特殊例子：标量系统 | 第59-62页 |
| 4.3.4 最大似然法仿真结果及分析 | 第62-63页 |
| 4.3.5 最大似然法小结 | 第63-64页 |
| 4.4 逆矩阵法求解 | 第64-68页 |
| 4.4.1 逆矩阵估计器 | 第64-65页 |
| 4.4.2 逆矩阵法仿真结果及分析 | 第65-68页 |
| 4.4.3 逆矩阵法小结 | 第68页 |
| 4.5 神经网络法求解 | 第68-77页 |
| 4.5.1 神经网络估计器 | 第70-72页 |
| 4.5.2 神经网络法仿真分析 | 第72-77页 |
| 4.5.3 神经网络法小结 | 第77页 |
| 4.6 变量误差模型求解 | 第77-83页 |
| 4.6.1 变量误差模型法 | 第78-81页 |
| 4.6.2 变量误差模型法仿真分析 | 第81-82页 |
| 4.6.3 变量误差模型法小结 | 第82-83页 |
| 4.7 本章小结 | 第83-84页 |
| 第五章 近似估计误差下界研究 | 第84-90页 |
| 5.1 近似估计误差下界 | 第84-85页 |
| 5.2 替代可行性分析 | 第85-86页 |
| 5.3 与克拉美罗下界的关系 | 第86-88页 |
| 5.4 仿真结果与分析 | 第88-89页 |
| 5.5 本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 参考文献 | 第92-98页 |
| 攻读硕士学位期间取得的研究成果 | 第98-99页 |
| 致谢 | 第99-100页 |
| 附件 | 第100页 |
