Kalman滤波器 应用研究PDF|Epub|txt|kindle电子书版本网盘下载

Kalman滤波器 应用研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 基础知识1

1.1 Kalman滤波器的动力学模型2

1.1.1 连续模型离散化2

1.1.2 机动目标的经典动力学模型5

1.2 Kalman滤波器13

1.3 自适应参数机动目标模型估计方法14

1.4 小结19

第一部分 基于Kalman滤波器的时间序列分析23

第2章 Kalman滤波器在时间序列动力学中的应用23

2.1 相关知识介绍23

2.2 时间序列数据的动力学建模25

2.2.1 主趋势提取模型25

2.2.2 主趋势变换模型25

2.3 实验研究26

2.4 小结29

第3章 Kalman滤波器在时间序列压缩中的应用30

3.1 时间序列压缩的应用背景30

3.2 时间序列压缩的研究现状31

3.3 时间序列压缩的解决方案32

3.3.1 规则采样压缩法32

3.3.2 随机不规则采样压缩法33

3.3.3 弹簧驱动的采样压缩法33

3.4 时间序列压缩的实验结果34

3.4.1 数据34

3.4.2 评价指标35

3.4.3 实验结果35

3.5 小结37

参考文献47

第4章 Kalman滤波器在时间序列预处理中的应用48

4.1 时间序列提取基本趋势的应用背景48

4.2 时间序列提取基本趋势的研究现状49

4.3 时间序列提取基本趋势的解决方案50

4.3.1 不规则采样和Kalman估计51

4.3.2 三次样条插值重构51

4.3.3 Max／Min／Mean均值替代52

4.4 实验结果52

4.4.1 评价指标52

4.4.2 实验结果53

4.5 小结55

参考文献62

第二部分 基于惯性导航原理的机器入移动轨迹重建65

第5章 捷联式惯性导航系统的基本理论65

5.1 捷联式惯性导航系统概述65

5.1.1 捷联式惯性导航系统原理65

5.1.2 捷联算法66

5.2 惯性导航坐标系及其转换关系67

5.2.1 常见惯性导航坐标系67

5.2.2 坐标系问的相互转换68

5.3 捷联式惯性导航系统姿态解算算法70

5.3.1 姿态矩阵的微分方程描述71

5.3.2 姿态矩阵的实时计算与更新72

5.4 基于四元数的捷联式惯性导航姿态解算74

5.4.1 四元数与捷联式惯导姿态矩阵74

5.4.2 导航参数的计算75

5.4.3 初始条件的给定与初始数据的计算79

5.5 小结80

参考文献81

第6章 捷联式惯性导航系统的数字仿真82

6.1 捷联式惯性导航数字仿真设计原理82

6.2 飞行轨迹发生器的设计83

6.2.1 仿真用坐标系83

6.2.2 飞机的机动飞行过程83

6.2.3 飞行轨迹参数的求取84

6.3 惯导系统仿真器的设计86

6.3.1 陀螺仪仿真器86

6.3.2 加速度计仿真器87

6.3.3 SINS导航解算仿真器88

6.3.4 误差处理器90

6.4 数字仿真系统的MATLAB建模及实现90

6.4.1 数据的模拟生成90

6.4.2 Kalman滤波器在含噪捷联式惯导系统解算中的应用91

6.5 小结95

参考文献107

第7章 基于多传感器的路径重建系统的实现108

7.1 机器人平台介绍108

7.2 数据采集与预处理109

7.3 路径重建系统实现算法流程113

7.3.1 使用四阶龙格-库塔法更新四元数114

7.3.2 基于多源信息融合方法重构轨迹114

7.4 实验结果116

7.5 小结117

参考文献117

第三部分 基于多传感器信息融合的室内目标跟踪技术121

第8章 室内跟踪技术简介121

8.1 室内跟踪定位技术介绍121

8.2 室内跟踪技术的研究现状123

8.2.1 RFID室内跟踪系统124

8.2.2 惯性导航系统125

8.2.3 多传感器信息融合125

8.3 小结127

参考文献127

第9章 基于IMU的仿真系统与轨迹重建方法129

9.1 基于IMU的运动轨迹测量数据仿真129

9.1.1 加速度计仿真器的实现129

9.1.2 陀螺仪仿真器的实现130

9.1.3 惯性传感器数据的仿真结果132

9.2 基于IMU的运动轨迹重构方法及仿真结果134

9.2.1 基于惯性传感器测量数据的航位推算134

9.2.2 仿真实验结果及误差分析136

9.3 小结137

参考文献138

第10章 基于RFID的运动轨迹重构方法139

10.1 基于RFID的运动轨迹测量数据仿真139

10.1.1 RFID系统的测量模型139

10.1.2 RFID阅读器数据的产生140

10.2 基于RFID测量数据的运动轨迹重构方法141

10.2.1 轨迹重构方法流程图141

10.2.2 基于可变数量RFID阅读器的UKF跟踪方法142

10.3 实验结果146

10.4 小结147

参考文献148

第11章 基于RFID和IMU融合的室内跟踪方法149

11.1 多传感器室内跟踪方法的算法流程149

11.2 基于多传感器融合跟踪方法的仿真研究150

11.3 基于多传感器融合跟踪方法的实验研究153

11.3.1 数据采集与预处理153

11.3.2 实验结果157

11.4 小结161

参考文献166

第四部分 基于动态特征的金融数据时序关系建模169

第12章 金融时序数据分析基础169

12.1 量化投资的相关知识介绍169

12.2 国内外研究现状171

12.2.1 量化投资国内外研究现状171

12.2.2 金融时序分析方法研究现状173

12.3 小结179

参考文献179

第13章 基于时序数据的多维特征提取183

13.1 静态特征183

13.1.1 价格特征184

13.1.2 资金特征185

13.1.3 情绪特征185

13.2 动态特征187

13.3 特征提取190

13.3.1 特征预处理191

13.3.2 特征统计表现192

13.4 小结198

第14章 HMM建模方法200

14.1 基于单一特征训练集的HMM建模方法200

14.1.1 HMM原理201

14.1.2 评价指标203

14.1.3 模型建立及结果分析205

14.2 基于多维特征测试集HMM建模方法211

14.2.1 基于多维特征的HMM建模流程211

14.2.2 实验结果212

14.3 小结217

第五部分 基于Kalman滤波器的信号去噪及参数辨识方法研究221

第15章 基于SHAKF去噪方法的研究与实现221

15.1 SHAKF的简要介绍221

15.2 陀螺仪测量数据的在线建模221

15.2.1 AR模型221

15.2.2 基于RLS对AR模型参数进行估计222

15.3 实时滤波224

15.3.1 滤波器的选择224

15.3.2 SHAKF算法224

15.3.3 SHAKF算法分析227

15.3.4 SHAKF算法的改进229

15.4 基于AR模型自适应滤波的实验与分析229

15.4.1 系统方程229

15.4.2 实验结果231

15.4.3 性能分析233

15.4.4 实验仿真结果总结234

15.5 小结234

参考文献238

第16章 基于二阶自适应统计模型的信号在线去噪239

16.1 基于Kalman滤波和自适应统计模型的在线去噪算法239

16.1.1 在线去噪的自适应统计模型239

16.1.2 通过Yule-Walker算法进行自适应参数调整241

16.2 实验研究242

16.3 小结249

参考文献249

第17章 基于EKF算法的系统参数辨识250

17.1 相关技术介绍250

17.2 应用EKF进行系统参数辨识252

17.3 Bouc-Wen模型实例仿真分析252

17.4 小结257

参考文献258