非线性系统加权观测融合估计理论及其应用

本书系统地介绍了由作者提出的非线性系统的信息融合估计新方法、新理论及应用。本书主要介绍了几种非线性系统的估计方法，并从优缺点、适用范围、算法精度、复杂度等方面进行性能分析。为了提高单个传感器的估计精度，提出了非线性系统的多传感器信息融合方法――加权观测融合方法，该方法有效地解决了非线性系统的融合问题。

郝钢，男，1980年1月生人，博士，副教授，硕士生导师。2003年7月黑龙江大学单子工程学院授予学士学位；2006年7月获得硕士学位；2011年哈尔滨工程大学自动化学院获得博士学位；2012年至2014年黑龙江大学博士后流动站工作经历。2006年7月在黑龙江大学自动化系任教，2009年晋升为讲师，2011年晋升为副教授，2010年任自动化专业副主任。主要从事非线性系统状态估计、目标跟踪、信息融合等方面的研究。主持国家自然科学基金1项、主持并完成省自然科学基金1项，参与并完成国家自然科学基金项目3项。发表SCI、EI收录文章40余篇。

第1章绪论1
1.1多传感器信息融合理论1
1.1.1多传感器信息融合1
1.1.2信息融合国内外发展现状5
1.2系统辨识7
1.2.1系统辨识的目的8
1.2.2系统辨识的方法9
1.2.3自校正滤波算法11
1.3非线性系统融合估计14
1.3.1信息融合结构模型14
1.3.2信息融合的主要技术方法19
1.3.3非线性系统估计研究现状20
1.3.4融合估计研究现状21
1.3.5非线性系统融合估计研究现状24
1.4主要研究内容25
第2章一般非线性系统滤波方法及性能分析28
2.1递推线性最小方差估计框架29
2.1.1射影定理30
2.1.2新息序列35
2.1.3递推线性最小方差滤波框架38
2.1.4Kalman滤波器41
2.1.5ARMA新息模型46
2.1.6基于ARMA新息模型的稳态Kalman滤波器47
2.2无迹Kalman滤波算法48
2.2.1UKF滤波算法原理48
2.2.2Sigma点采样策略50
2.2.3UKF滤波算法55
2.3容积Kalman滤波算法56
2.3.1容积规则57
2.3.2容积Kalman滤波算法60
2.4粒子滤波算法63
2.4.1最优贝叶斯递推滤波和重要性采样63
2.4.2序贯重要性采样65
2.4.3PF滤波算法66
2.53种非线性滤波算法的比较分析67
2.6本章小结68
第3章线性系统的多传感器自校正加权观测融合Kalman滤波器69
3.1最优加权观测融合Kalman滤波器71
3.1.1线性系统的加权观测融合算法71
3.1.2最优加权观测融合Kalman滤波器73
3.2基于最小二乘法的自校正加权观测融合Kalman滤波器74
3.2.1自校正Kalman滤波器74
3.2.2基于最小二乘法的自校正加权观测融合Kalman滤波器77
3.2.3基于相关函数辨识器的自校正加权观测融合Kalman滤波器80
3.3基于协同辨识的自校正加权观测融合Kalman滤波器82
3.3.1具有相同观测矩阵和不相关观测噪声的情形83
3.3.2具有不同观测矩阵和不相关观测噪声情形88
3.3.3系统具有不同观测矩阵和相关观测噪声95
3.4仿真98
3.5本章小结109
第4章非线性系统的最优和自校正加权观测融合UKF滤波器111
4.1多传感器加权观测融合UKF滤波器112
4.1.1集中式观测融合UKF滤波器113
4.1.2加权观测融合UKF滤波器113
4.1.3加权观测融合UKF滤波器与集中式观测融合UKF滤波器在数值上的完全等价性115
4.2自校正加权观测融合UKF滤波器121
4.2.1噪声方差的估计算法121
4.2.2基于Sage-Husa估计的Qw估计算法123
4.2.3多传感器加权观测融合自校正UKF滤波器125
4.3仿真例子125
4.4本章小结130
第5章基于Taylor级数逼近的非线性系统加权观测融合估计理论132
5.1基于Taylor级数逼近的非线性系统加权观测融合算法133
5.2基于Taylor级数逼近的非线性系统加权观测融合UKF（WMF-UKF）滤波算法139
5.2.1基于Taylor级数逼近的非线性系统WMF-UKF滤波算法139
5.2.2WMF-UKF的渐近最优性142
5.2.3WMF-UKF的计算量分析148
5.3基于Taylor级数逼近的非线性系统加权观测融合CKF（WMF-CKF）滤波算法149
5.3.1基于Taylor级数逼近的非线性系统WMF-CKF滤波算法149
5.3.2WMF-CKF的渐近最优性152
5.3.3WMF-CKF的计算量分析153
5.4基于Taylor级数逼近的非线性系统加权观测融合PF（WMF-PF）滤波算法153
5.4.1基于Taylor级数逼近的非线性系统WMF-PF滤波算法153
5.4.2WMF-PF的渐近最优性155
5.4.3WMF-PF的计算量分析156
5.5WMF-UKF、WMF-CKF和WMF-PF的比较分析157
5.6仿真研究157
5.7本章小结181
第6章基于Gauss-Hermite逼近的非线性系统加权观测融合估计算法183
6.1基于Gauss-Hermite逼近的非线性系统加权观测融合（WMF）算法184
6.1.1Gauss-Hermite逼近185
6.1.2基于Gauss-Hermite逼近的非线性系统WMF算法190
6.2基于Gauss-Hermite逼近的非线性系统加权观测融合UKF（WMF-UKF）滤波算法193
6.2.1基于Gauss-Hermite逼近的非线性系统WMF-UKF滤波算法193
6.2.2WMF-UKF的计算量分析197
6.3基于Gauss-Hermite逼近的非线性系统加权观测融合CKF（WMF-CKF）滤波算法197
6.3.1基于Gauss-Hermite逼近的非线性系统WMF-CKF滤波算法197
6.3.2WMF-CKF的计算量分析200
6.4基于Gauss-Hermite逼近的非线性系统加权观测融合PF（WMF-PF）滤波算法201
6.4.1基于Gauss-Hermite逼近的非线性系统WMF-PF滤波算法201
6.4.2WMF-PF的计算量分析203
6.5仿真研究203
6.6本章小结226
第7章噪声相关的非线性系统加权观测融合估计算法227
7.1基于Taylor级数逼近的噪声相关非线性系统WMF-UKF滤波算法228
7.1.1系统噪声和观测噪声的去相关229
7.1.2噪声相关非线性系统WMF-UKF滤波算法231
7.2基于Taylor级数逼近的噪声相关非线性系统WMF-CKF滤波算法234
7.3基于Taylor级数逼近的噪声相关非线性系统WMF-PF滤波算法237
7.4基于Gauss-Hermite逼近的噪声相关非线性系统WMF-UKF滤波算法239
7.5基于Gauss-Hermite逼近的噪声相关非线性系统WMF-CKF滤波算法243
7.6基于Gauss-Hermite逼近的噪声相关非线性系统WMF-PF滤波算法246
7.7仿真研究248
7.8本章小结267
第8章多传感器加权观测融合Kalman滤波器的预测控制算法268
8.1加权观测融合Kalman滤波器的预测控制系统268
8.2加权观测融合预测控制算法271
8.3自校正加权观测融合预测控制算法275
8.3.1带相同观测矩阵和不相关观测噪声的情形275
8.3.2带不同观测矩阵和不相关观测噪声的情形277
8.3.3带不同观测矩阵和相关观测噪声的情形281
8.4仿真284
8.4.1带相同观测矩阵和不相关观测噪声的系统仿真284
8.4.2带不同观测矩阵和不相关观测噪声的系统仿真288
8.4.3带不同观测矩阵和相关观测噪声的系统仿真293
8.5本章小结298
参考文献300