《貝葉斯估計與跟蹤實用指南》特點在於提供了貝葉斯估計與跟蹤的統一方法，重點強調了在貝葉斯框架下所有跟蹤算法的推導過程，還給出了用於計算加權密度積分的高效的數值方法，包括加權高斯積分的線性與非線性卡爾曼濾波器，以及非高斯情況下的粒子濾波器。作者首先給出每種估計方法基本原理的詳細推導過程，然後分步驟對每一種方法進行詳細說明，使得跟蹤濾波器的編碼更簡單易懂。《貝葉斯估計與跟蹤實用指南》利用了案例分析來展示所研究內容的套用。此外，《貝葉斯估計與跟蹤實用指南》還為每個算法提供了框圖，讓讀者可以自己開發MATLAB（H）估計方法軟體工具箱。
基本介紹
- 書名：貝葉斯估計與跟蹤實用指南
- 作者：豪格 (Anton J.Haug)
- 類型：科學與自然
- 出版日期：2014年5月1日
- 語種：簡體中文
- ISBN：9787118093216
- 外文名：Bayesian Estimation and Tracking a Practical Guide
- 譯者：王欣
- 出版社：國防工業出版社
- 頁數：302頁
- 開本：16
- 品牌：國防工業出版社
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《貝葉斯估計與跟蹤實用指南》是一本優秀的估計與跟蹤方法課程的研究生教材。《貝葉斯估計與跟蹤實用指南》還適用於估計與跟蹤領域的科學研究人員、數學研究人員和工程技術人員，對他們具有重要的實際套用價值。對廣大科技工作者來說，也是一本非常有價值的參考書。
作者簡介
作者：（美國）豪格（Anton J.Haug） 譯者：王欣 於曉
圖書目錄
前言
第Ⅰ部分預備知識
第1章簡介
1.1 貝葉斯推理
1.2貝葉斯層次估計法
1.3本書研究範疇
1.3.1 目標
1.3.2章節概述
1.4用MATLAB@進行建模和仿真
參考文獻
第2章數學基礎
2.1矩陣線性代數簡介
2.1.1 矢量與矩陣的約定與記法
2.1.2 和與乘積
2.1.3 矩陣的逆
2.1.4 分塊矩陣的逆
2.1.5 矩陣的平方根
2.2矢量點發生器
2.3多參數多維非線性函式估計
2.3.1 標量非線性函式估計
2.3.2 多維非線性函式估計
2.4多變數統計概述
2.4.1 一般定義
2.4.2高斯密度
參考文獻
第3章貝葉斯估計的基本概念
3.1貝葉斯估計
3.2點估計式
3.3基於機率密度函式的遞推貝葉斯濾波器
3.4基於狀態均值和協方差的遞推貝葉斯估計
3.4.1 狀態矢量預測
3.4.2 狀態矢量更新
3.5一般估計方法討論
參考文獻
第4章實用案例：初步探討
4.1仿真、估計與評價過程
4.2利用DIFAR浮標場進行勻速運動目標跟蹤的場景仿真
4.2.1 船舶動態模型
4.2.2 多浮標觀測模型
4.2.3 場景屬性
4.3DIFAR浮標信號處理
4.4 DIFAR似然函式
參考文獻
第Ⅱ部分 高斯假設：卡爾曼濾波估計器
第5章高斯噪聲：高斯加權分布的多維積分
5.1第3章中重要結論總結
5.2回顧卡爾曼濾波器校正（更新）方程的推導
5.3 貝葉斯點預測積分求解高斯密度
5.3.1 利用仿射變換來簡化流程
5.3.2 求解高斯加權積分的一般方法
參考文獻
第6章線性卡爾曼濾波器
6.1 線性動態模型
6.2線性觀測模型
6.3線性卡爾曼濾波器
6.4 LKF在DIFAR浮標方位估計中的套用
參考文獻
第7章線性化卡爾曼濾波器：擴展卡爾曼濾波器
7.1一維情況
7.1.1 一維狀態預測
7.1.2 一維狀態估計誤差方差預測
7.1.3 一維觀測預測方程
7.1.4 一維預測方程的變換
7.1.5 一維線性化EKF過程
7.2多維情況
7.2.1 狀態預測方程
7.2.2 狀態協方差預測方程
7.2.3 觀測預測方程
7.2.4 多維預測方程的變換
7.2.5 線性化多維擴展卡爾曼濾波器過程
7.2.6 二階擴展卡爾曼濾波器
7.3多維協方差預測方程的另一種推導
7.4 EKF在DIFAR船舶跟蹤的套用案例分析
7.4.1 船舶運動動態模型
7.4.2 DIFAR浮標觀測模型
7.4.3 初始化卡爾曼濾波器族中所有濾波器
7.4.4選定加速度噪聲參數
7.4.5 EKF跟蹤濾波器結果
參考文獻
第8章Sigrna點類別：有限差分卡爾曼濾波器
8.1一維有限差分卡爾曼濾波器
8.1.1 一維有限差分狀態預測
8.1.2 一維有限差分狀態預測
8.1.3 一維有限差分觀測預測方程
8.1.4 一維有限差分卡爾曼濾波器過程
8.1.5 簡化的一維有限差分預測方程
8.2多維有限差分卡爾曼濾波器
8.2.1 多維有限差分狀態預測
8.2.2 多維有限差分狀態協方差預測
8.2.3 多維有限差分觀測預測方程
8.2.4 多維有限差分卡爾曼濾波器過程
8.3多維有限差分協方差預測方程的另一種推導
參考文獻
第9章Sigma點類別：無跡卡爾曼濾波器
9.1單項式容積積分法
9.2無跡卡爾曼濾波器
9.2.1 產生背景
9.2.2 無跡卡爾曼濾波器發展歷程
9.2.3 無跡卡爾曼濾波器狀態矢量預測方程
9.2.4無跡卡爾曼濾波器狀態矢量協方差預測方程
9.2.5 無跡卡爾曼濾波器觀測值預測方程
9.2.6無跡卡爾曼濾波器過程
9.2.7 無跡卡爾曼濾波器的另一個版本
9.3 UKF在DIFAR船舶跟蹤的套用案例分析
參考文獻
第10章Sigma點類別：超球面單形卡爾曼濾波器
10.1一維超球面單形Sigma點
10.2二維超球面單形Sigma點
10.3高維超球面單形Sigma點
10.4超球面單形卡爾曼濾波器
10.5超球面單形卡爾曼濾波器過程
10.6 SSKF在DIFAR船舶跟蹤的套用案例分析
參考文獻
第11章Sigma點類別：高斯一厄米特卡爾曼濾波器
11.1一維高斯—厄術特求積
11.2一維高斯—厄米特卡爾曼濾波器
11.3多維高斯—厄米特卡爾曼濾波器
11.4高維/高階多項式的稀疏格線逼近
11.5 GHKF在DIFAR船舶跟蹤的套用案例分析
參考文獻
第12章蒙特卡洛卡爾曼濾波器
12.1 蒙特卡洛卡爾曼濾波器
參考文獻
第13章高斯卡爾曼濾波器總結
13.1解析卡爾曼濾波器
13.2 Sigma點卡爾曼濾波器
13.3一種更實用的運用卡爾曼濾波器族的方法
參考文獻
第14章卡爾曼濾波器族的性能度量
14.1誤差橢圓
14.1.1 正則橢圓
14.1.2 確定P的特徵值
14.1.3 確定誤差橢圓旋轉角度
14.1.4確定包含區域
14.1.5 誤差橢圓參數化繪圖
14.1.6 誤差橢圓舉例
14.2均方根誤差
14.3發散軌跡
14.4 Cramer—Rao下界
14.4.1 一維情況
14.4.2 多維情況
14.4.3遞歸法求解CRLB
14.4.4 高斯加性噪聲的Cramer—Rao下界
14.4.5 零過程噪聲的高斯Cramer—Rao下界
14.4.6 線性模型的高斯Cramer—Rao下界
14.5 卡爾曼類DIFAR軌跡估計器的性能
參考文獻
……
第Ⅲ部分 蒙特卡洛方法
第Ⅳ部分 附加案例分析
第Ⅰ部分預備知識
第1章簡介
1.1 貝葉斯推理
1.2貝葉斯層次估計法
1.3本書研究範疇
1.3.1 目標
1.3.2章節概述
1.4用MATLAB@進行建模和仿真
參考文獻
第2章數學基礎
2.1矩陣線性代數簡介
2.1.1 矢量與矩陣的約定與記法
2.1.2 和與乘積
2.1.3 矩陣的逆
2.1.4 分塊矩陣的逆
2.1.5 矩陣的平方根
2.2矢量點發生器
2.3多參數多維非線性函式估計
2.3.1 標量非線性函式估計
2.3.2 多維非線性函式估計
2.4多變數統計概述
2.4.1 一般定義
2.4.2高斯密度
參考文獻
第3章貝葉斯估計的基本概念
3.1貝葉斯估計
3.2點估計式
3.3基於機率密度函式的遞推貝葉斯濾波器
3.4基於狀態均值和協方差的遞推貝葉斯估計
3.4.1 狀態矢量預測
3.4.2 狀態矢量更新
3.5一般估計方法討論
參考文獻
第4章實用案例：初步探討
4.1仿真、估計與評價過程
4.2利用DIFAR浮標場進行勻速運動目標跟蹤的場景仿真
4.2.1 船舶動態模型
4.2.2 多浮標觀測模型
4.2.3 場景屬性
4.3DIFAR浮標信號處理
4.4 DIFAR似然函式
參考文獻
第Ⅱ部分 高斯假設：卡爾曼濾波估計器
第5章高斯噪聲：高斯加權分布的多維積分
5.1第3章中重要結論總結
5.2回顧卡爾曼濾波器校正（更新）方程的推導
5.3 貝葉斯點預測積分求解高斯密度
5.3.1 利用仿射變換來簡化流程
5.3.2 求解高斯加權積分的一般方法
參考文獻
第6章線性卡爾曼濾波器
6.1 線性動態模型
6.2線性觀測模型
6.3線性卡爾曼濾波器
6.4 LKF在DIFAR浮標方位估計中的套用
參考文獻
第7章線性化卡爾曼濾波器：擴展卡爾曼濾波器
7.1一維情況
7.1.1 一維狀態預測
7.1.2 一維狀態估計誤差方差預測
7.1.3 一維觀測預測方程
7.1.4 一維預測方程的變換
7.1.5 一維線性化EKF過程
7.2多維情況
7.2.1 狀態預測方程
7.2.2 狀態協方差預測方程
7.2.3 觀測預測方程
7.2.4 多維預測方程的變換
7.2.5 線性化多維擴展卡爾曼濾波器過程
7.2.6 二階擴展卡爾曼濾波器
7.3多維協方差預測方程的另一種推導
7.4 EKF在DIFAR船舶跟蹤的套用案例分析
7.4.1 船舶運動動態模型
7.4.2 DIFAR浮標觀測模型
7.4.3 初始化卡爾曼濾波器族中所有濾波器
7.4.4選定加速度噪聲參數
7.4.5 EKF跟蹤濾波器結果
參考文獻
第8章Sigrna點類別：有限差分卡爾曼濾波器
8.1一維有限差分卡爾曼濾波器
8.1.1 一維有限差分狀態預測
8.1.2 一維有限差分狀態預測
8.1.3 一維有限差分觀測預測方程
8.1.4 一維有限差分卡爾曼濾波器過程
8.1.5 簡化的一維有限差分預測方程
8.2多維有限差分卡爾曼濾波器
8.2.1 多維有限差分狀態預測
8.2.2 多維有限差分狀態協方差預測
8.2.3 多維有限差分觀測預測方程
8.2.4 多維有限差分卡爾曼濾波器過程
8.3多維有限差分協方差預測方程的另一種推導
參考文獻
第9章Sigma點類別：無跡卡爾曼濾波器
9.1單項式容積積分法
9.2無跡卡爾曼濾波器
9.2.1 產生背景
9.2.2 無跡卡爾曼濾波器發展歷程
9.2.3 無跡卡爾曼濾波器狀態矢量預測方程
9.2.4無跡卡爾曼濾波器狀態矢量協方差預測方程
9.2.5 無跡卡爾曼濾波器觀測值預測方程
9.2.6無跡卡爾曼濾波器過程
9.2.7 無跡卡爾曼濾波器的另一個版本
9.3 UKF在DIFAR船舶跟蹤的套用案例分析
參考文獻
第10章Sigma點類別：超球面單形卡爾曼濾波器
10.1一維超球面單形Sigma點
10.2二維超球面單形Sigma點
10.3高維超球面單形Sigma點
10.4超球面單形卡爾曼濾波器
10.5超球面單形卡爾曼濾波器過程
10.6 SSKF在DIFAR船舶跟蹤的套用案例分析
參考文獻
第11章Sigma點類別：高斯一厄米特卡爾曼濾波器
11.1一維高斯—厄術特求積
11.2一維高斯—厄米特卡爾曼濾波器
11.3多維高斯—厄米特卡爾曼濾波器
11.4高維/高階多項式的稀疏格線逼近
11.5 GHKF在DIFAR船舶跟蹤的套用案例分析
參考文獻
第12章蒙特卡洛卡爾曼濾波器
12.1 蒙特卡洛卡爾曼濾波器
參考文獻
第13章高斯卡爾曼濾波器總結
13.1解析卡爾曼濾波器
13.2 Sigma點卡爾曼濾波器
13.3一種更實用的運用卡爾曼濾波器族的方法
參考文獻
第14章卡爾曼濾波器族的性能度量
14.1誤差橢圓
14.1.1 正則橢圓
14.1.2 確定P的特徵值
14.1.3 確定誤差橢圓旋轉角度
14.1.4確定包含區域
14.1.5 誤差橢圓參數化繪圖
14.1.6 誤差橢圓舉例
14.2均方根誤差
14.3發散軌跡
14.4 Cramer—Rao下界
14.4.1 一維情況
14.4.2 多維情況
14.4.3遞歸法求解CRLB
14.4.4 高斯加性噪聲的Cramer—Rao下界
14.4.5 零過程噪聲的高斯Cramer—Rao下界
14.4.6 線性模型的高斯Cramer—Rao下界
14.5 卡爾曼類DIFAR軌跡估計器的性能
參考文獻
……
第Ⅲ部分 蒙特卡洛方法
第Ⅳ部分 附加案例分析
