多尺度动态建模理论及其应用

前言

第1章 绪论

1.1 多尺度系统理论研究基本思想

1.2 多尺度系统理论的广泛应用

1.3 多尺度建模与多尺度数据融合

小结

参考文献

第2章 小波分析理论基础

2.1 快速Fourier变换

2.2 小波变换

2.3 小波框架

2.4 多尺度分析

2.5 小波包

2.6 q带正交小波

2.7 n维信号的多尺度分析

小结

参考文献

第3章 状态估计理论基础

3.1 最优估计的基本概念

3.2 Kalman滤波基本理论

3.3 几种常用的多传感器数据融合方法

小结

参考文献

第4章 多尺度系统理论

4.1 引言

4.2 多尺度表示和系统

4.3 系统理论和实现

4.4 因果、非因果系统的平稳性和随机过程

小结

参考文献

第5章 时间序列分析的多尺度方法

5.1 时间序列分析概述

5.2 时间序列多尺度方差与性质

5.3 长记忆时间序列参数的多尺度极大似然估计方法

5.4 最小二乘法估计的多尺度方法

小结

参考文献

第6章 动态系统基于小波与Kalman滤波的多尺度联合估计

6.1 引言

6.2 单传感器单模型动态系统描述

6.3 分块系统的多尺度描述

6.4 多尺度贯序式Kalman滤波器

6.5 不同算法的性能比较以及MSBKF的证明

6.6 单传感器系统仿真

6.7 多传感器的多尺度算法

小结

参考文献

第7章 动态过程的多尺度表示方法、建模与数据融合

7.1 引言

7.2 多尺度随机模型

7.3 基于规则树的多尺度表示方法与建模

7.4 基于不规则树的多尺度建模

小结

参考文献

第8章 线性逆问题求解的多传感器多尺度数据融合方法

8.1 引言

8.2 基础知识

8.3 求解线性逆问题的多尺度降阶模型

8.4 多源观测逆问题的多尺度分布式求解算法

小结

参考文献

第9章 多尺度随机建模与多尺度数据融合估计

9.1 引言

9.2 动态系统的多尺度随机建模

9.3 多尺度观测系统描述

9.4 多尺度递归数据平滑融合估计算法

9.5 多尺度随机模型数据综合算法的实现

9.6 基于有限长度数据的多尺度建模与多尺度数据融合估计

9.7 例子与计算机仿真

小结

参考文献

第10章 一类时间序列多尺度预报新方法

10.1 引言

10.2 多尺度预报算法

10.3 EMD边界问题的多尺度方法

小结

参考文献

第11章 过程监制与安全检测的多尺度数据融合方法

11.1 统计过程监控简介

11.2 主元分析

11.3 过程监控的多尺度数据融合方法

小结

参考文献

第12章 多尺度模型预测控制

12.1 预测控制简介

12.2 模型预测控制的基本原理（MPC）

12.3 多尺度模型预测控制（MSMPC）

12.4 仿真研究

小结

参考文献

第13章 多速率系统的多模式设计方法

13.1 背景简介

13.2 采样系统描述

13.3 多速率数据采样系统的多模式设计

小结

参考文献

《多尺度动态建模理论及其应用》是关于多尺度动态建模理论及其应用的一本专著，主要汇集了作者近年来在小波滤波、多传感器数据融合、多尺度系统理论、多尺度动态建模及目标状态估计等方面的研究成果，同时也介绍了近年来在多尺度系统理论研究领域的一些基本原理和主要方法。《多尺度动态建模理论及其应用》涉及的理论和方法有：多尺度系统理论与多尺度建模方法，时间序列分析的多尺度方法，小波与Kalman滤波的多尺度联合估计方法，动态过程的多尺度表示方法、建模与数据融合方法，多传感器数据融合与线性逆问题求解的多尺度方法，经验模式分解边界问题的多尺度方法，过程监制与安全检测的多尺度数据融合方法，多尺度模型预测控制方法，多速率系统的多模式设计方法等。

《多尺度动态建模理论及其应用》可作为信息科学专业研究生的教学参考书，同时对从事多尺度动态建模理论及其应用技术研究、开发和应用的科技人员也具有一定的参考价值。