鲁棒融合估计理论及应用

  

本书系统地介绍了由邓自立教授等提出的混合不确定多传感器网络化系统的鲁棒融合估计新方法、新理论及应用，新方法包括基于虚拟噪声技术和广义Lyapunov方程的极大极小鲁棒融合Kalman滤波方法和改进的协方差交叉融合鲁棒Kalman滤波方法。新理论包括通用的极大极小鲁棒融合Kalman滤波理论；通用的协方差交叉融合鲁棒Kalman滤波理论；鲁棒融合白噪声反卷积滤波理论；鲁棒融合估值器按实现收敛性理论。内容包括局部、集中式和分布式融合，状态融合与观测融合，加权融合，协方差交叉融合鲁棒Kalman估值器，以及它们的鲁棒性分析、精度分析、收敛性分析和算法复杂性分析。

  

第1章 绪论
1.1 引言
1.2 多传感器很优信息融合Kalman滤波
1.2.1 集中式融合与分布式融合方法
1.2.2 状态融合与观测融合方法
1.3 不确定系统鲁棒Kalman滤波
1.3.1 系统的不确定性
1.3.2 噪声方差不确定性
1.3.3 模型参数不确定性
1.3.4 系统观测不确定性
1.3.5 鲁棒性
1.4 鲁棒Kalman滤波方法
1.4.1 Riccati方程方法
1.4.2 线性矩阵不等式（LMI）方法
1.4.3 极大极小鲁棒滤波方法
1.4.4 很优鲁棒滤波方法
1.4.5 协方差交叉（CI）融合鲁棒Kalman滤波方法
1.5 鲁棒Kalman滤波研究现状
1.5.1 仅含不确定噪声方差系统鲁棒Kalman滤波
1.5.2 仅含范数有界不确定参数系统鲁棒Kalman滤波
1.5.3 仅含乘性噪声系统鲁棒Kalman滤波
1.5.4 混合不确定网络化系统很优鲁棒Kalman滤波
1.5.5 混合不确定网络化系统极大极小鲁棒融合Kalman滤波
1.6 极大极小鲁棒融合估计理论及应用、方法论、主要贡献和创新
1.6.1 本书近期新研究成果
1.6.2 主要贡献和创新
1.7 面临的挑战性问题
参考文献
第2章 很优估计方法
2.1 WLS估计方法
2.2 LUMV估计方法
2.3 LMV估计方法——正交投影方法，新息分析方法
2.4 很优加权状态融合估计方法
2.4.1 按矩阵加权很优状态融合估计方法
2.4.2 按标量加权很优状态融合估计方法
2.4.3 按对角阵加权很优状态融合估计方法
2.5 很优加权观测融合估计方法
2.5.1 加权观测融合数据压缩准则
2.5.2 加权观测融合算法
2.5.3 加权观测融合算法的全局很优性
……
第3章 很优Kalman滤波
第4章 鲁棒融合Kalman滤波新方法和关键技术
第5章 不确定系统改进的CI融合鲁棒Kalman估值器
第6章 带混合不确定性网络化系统加权状态融合鲁棒Kalman估值器
第7章 不确定多模型系统加权状态融合鲁棒Kalman估值器
第8章 带乘性噪声和丢包的混合不确定网络化系统鲁棒Kalman滤波
第9章 带乘性噪声和丢失观测的混合不确定网络化系统鲁棒融合器
第10章 混合不确定系统鲁棒融合白噪声反卷积
第11章 混合不确定网络化系统保性能鲁棒融合稳态Kalman滤波