| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 非线性系统滤波研究现状 | 第12-14页 |
| 1.3 亟待解决的问题 | 第14-15页 |
| 1.4 本文主要研究内容及安排 | 第15-17页 |
| 第2章 高斯系统常用的滤波方法 | 第17-26页 |
| 2.1 卡尔曼滤波 | 第17-20页 |
| 2.1.1 Kalman滤波方法的基本原理 | 第17-18页 |
| 2.1.2 分布式信息融合方法 | 第18-20页 |
| 2.2 两种非线性滤波方法 | 第20-23页 |
| 2.2.1 扩展卡尔曼滤波(Extended Kalman Filter, EKF) | 第20-21页 |
| 2.2.2 无迹卡尔曼滤波(Unscented Kalman Filter, UKF) | 第21-23页 |
| 2.3 强跟踪滤波(Strong Tracking Filter, STF) | 第23-24页 |
| 2.4 算法分析 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 非高斯系统滤波方法 | 第26-38页 |
| 3.1 引言 | 第26-27页 |
| 3.2 粒子滤波(Particle Filter, PF) | 第27-31页 |
| 3.2.1 PF基本原理 | 第27-29页 |
| 3.2.2 PF仿真验证 | 第29-30页 |
| 3.2.3 滤波方法分析 | 第30-31页 |
| 3.3 基于特征函数滤波方法 | 第31-37页 |
| 3.3.1 算法介绍 | 第31-34页 |
| 3.3.2 仿真实验 | 第34-36页 |
| 3.3.3 滤波方法分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 多维观测系统中基于特征函数的滤波方法 | 第38-51页 |
| 4.1 引言 | 第38页 |
| 4.2 基于特征函数的多维观测器滤波方法 | 第38-42页 |
| 4.3 仿真实验 | 第42-45页 |
| 4.3.1 仿真一 | 第42-43页 |
| 4.3.2 仿真二 | 第43-45页 |
| 4.4 工业器件消磨系统中滤波方法的应用 | 第45-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 非线性系统中基于特征函数的滤波方法 | 第51-67页 |
| 5.1 引言 | 第51页 |
| 5.2 系统描述及问题描述 | 第51-52页 |
| 5.3 滤波方法的设计 | 第52-56页 |
| 5.3.1 状态模型的线性化 | 第52-55页 |
| 5.3.2 滤波方法的设计 | 第55-56页 |
| 5.4 仿真实验 | 第56-65页 |
| 5.4.1 围绕标称轨迹线性化滤波器(CFF1)仿真 | 第56-60页 |
| 5.4.2 围绕估计值线性化滤波器(CFF2)仿真 | 第60-63页 |
| 5.4.3 CFF1和CFF2的滤波性能对比 | 第63-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67页 |
| 6.2 论文工作展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
