粒子滤波原理及其应用

前言

第1章 绪论

1.1 粒子滤波算法简介

1.2 粒子滤波算法的应用

1.3 粒子滤波算法的特点与发展

参考文献

第2章 动态系统状态模型与估计算法

2.1 动态系统状态模型

2.2 非线性系统估计算法

参考文献

第3章 随机采样与粒子滤波

3.1 贝叶斯估计理论

3.2 蒙特卡罗积分

3.3 重要性采样

3.4 序列重要性采样

3.5 粒子匮乏与重采样

3.6 次优重要性采样方法

3.7 随机采样滤波算法

3.8 算例仿真

参考文献

第4章 粒子滤波改进算法

4.1 重采样过程问题

4.2 粒子匮乏问题

4.3 计算复杂性问题

参考文献

第5章 目标定位与跟踪

5.1 机动目标跟踪中的非线性问题

5.2 纯角度跟踪粒子滤波算法

5.3 雷达非高斯观测噪声粒子滤波跟踪算法

5.4 闪烁噪声下Rao－Blackwellised化粒子滤波算法

5.5 可变多目标粒子滤波跟踪算法

5.6 本章 小结

参考文献

第6章 视频运动目标检测与跟踪

6.1 视频目标检测与跟踪问题

6.2 视频单目标多特征融合粒子滤波跟踪算法

6.3 概率模型视频粒子滤波跟踪算法

6.4 概率视频多目标跟踪算法

参考文献

第7章 系统辨识与故障诊断

7.1 非线性系统辨识与变化检测

7.2 系统参数辨识

7.3 评标决策

参考文献

如何提高非线性非高斯动态系统的状态估计和预测的精度是系统辨识、适应控制、模式识别、无线传感网络、通信、经济等领域中都会遇到的问题。粒子滤波提供了解决这一问题的采样递推方法。《粒子滤波原理及其应用》结合作者自身的相关研究工作，全面系统地介绍了粒子滤波的主要概念、基本原理、典型算法、应用技术以及国际上有关研究的新成果和新动向。全书可分为理论篇（包含第1～4章）和应用篇（包含第5～7章）。第1章为绪论。第2章给出了动态系统常用的几种滤波方法，主要分析滤波方法的思想，不对算法的适用性进行讨论。第3章介绍了随机采样与粒子滤波方法，这是一种基于采样滤波思想的M0nte-Carlo贝叶斯估计算法，本章还重点介绍算法如何利用序列重采样实现状态递推估计。第4章讨论了粒子滤波算法的改进算法，主要包括针对重采样过程改进算法和针对似然函数选取的改进算法。第5章利用粒子滤波算法解决了机动目标跟踪非线性问题。第6章讨论了场景监视中的多视频目标检测，表明这类问题可以用粒子滤波算法来解决。第7章用粒子滤波算法研究非线性系统辨识与故障诊断问题。
　　《粒子滤波原理及其应用》可作为高等院校信息工程、控制科学与工程、电子科学与工程、应用数学、管理工程和计算机科学与应用等学科有关研究的专题阅读材料，也可供从事电子对抗、雷达、红外、激光和声呐等声光电传感器跟踪，导航与定位、多传感器信息融合及机器人视觉、智能监视与图像理解、无线传感网络与通信、空中交通管制和金融数据分析等领域研究工作的科学工作者和工程技术人员参考。