随机系统概论：分析、估计与控制（下册）

随机系统概论：分析、估计与控制（下册） 
出版时间：2014年版 
丛编项：随机系统概论 
内容简介 
　　《随机系统概论：分析、估计与控制（下册）》是一本全面系统介绍随机系统的学术专著。首先从介绍随机系统的基本概念人手，然后介绍离散时间和连续时间线性动态随机系统的分析方法。在此基础上，介绍系统的参数估计理论，包括最小方差、极大后验、极大似然及最小二乘等经典估计方法，同时包括期望极大化（EM）估计方法等新的进展。研究随机系统的一个重要方面是对动态系统的状态估计，本专著除介绍卡尔曼滤波等经典内容外，同时包括了UKF、粒子滤波、混杂系统状态估计的多模型滤波等现代方法。随着信息技术的发展，动态系统状态估计的多源信息融合方法得到学术界的广泛重视，本专著还介绍了最新发展的多源信息融合理论，而典型的应用问题就是目标跟踪。随机系统理论研究的另一个方面就是随机系统辨识，即如何由试验数据构造系统的问题，本专著讨论了各种辨识算法。随机系统理论的最新发展也包括了随机系统的检测理论和随机系统信号的特征信息提取，此处介绍了随机检测问题的基本概念和各种检测方法，以及如何由随机系统输出信号中提取其包含反映系统本质属性的特征信息方法。对于随机系统理论的扩展，就是基于随机集和随机有限集的估计与决策理论，这是处理不确定性问题的一种新理论方法。研究随机系统更重要的目的在于实施随机最优控制，本专著介绍了各种随机系统控制方法，尤其是双重最优控制方法。在此基础上，还进一步介绍了随机系统的自适应控制与预测控制，包括参数自校正及多模型自适应控制技术等。最后介绍了随机系统的试验、仿真及评估等方法，以及随机系统理论在几个方面的具体应用。《随机系统概论：分析、估计与控制（下册）》汇集了作者们多年来在随机系统理论及应用科研和教学工作中的心得和体会，内容丰富、完整、新颖，既包括较完备的经典理论，也包括近年发展起来的新方法和新技术，特别是有机地融人了作者近年的若干研究成果和最新的一些研究进展。《随机系统概论：分析、估计与控制（下册）》可以作为从事随机系统估计、检测及控制等领域科技工作者和工程技术人员的参考资料，同时也可作为高等院校自动控制及其他相近专业研究生的参考书。 
目录 
第8章 随机系统信号的特征信息提取 
8.1 基本概念 
8.1.1 什么是随机系统信号特征信息提取 
8.1.2 随机系统信号特征信息提取的应用 
8.1.3 随机系统信号特征信息提取综述 
8.2 随机系统信号主成分分析神经网络 
8.2.1 Hebbian和Oja学习规则 
8.2.2 基于Hebbian规则的主成分分析 
8.2.3 基于优化方法的主成分分析 
8.2.4 有侧向连接的主成分分析 
8.2.5 非线性主成分分析 
8.3 次成分分析神经网络及性能分析 
8.3.1 次成分分析方法 
8.3.2 次成分分析神经网络与算法 
8.3.3 次成分分析神经网络算法发散现象分析 
8.3.4 高维数据流的次子空间跟踪神经网络算法 
8.4 特征信息网络确定性离散时间系统 
8.4.1 确定性离散时间系统概述 
8.4.2 神经网络确定性离散时间系统 
8.4.3 一种新的自稳定MCA算法及确定性离散时间系统分析 
8.4.4 统一PCA/MCA算法的确定性离散时间学习分析 
8.4.5 本节小结 
8.5 双目的主/次子空间神经网络跟踪算法 
8.5.1 双目的特征提取神经网络方法 
8.5.2 一种新的双目的特征提取神经网络算法 
8.6 特征信息提取神经网络与算法应用 
8.6.1 主成分提取神经网络与算法的应用 
8.6.2 次成分提取神经网络与算法的应用 
8.7 小结 
8.8 参考文献 
第9章 基于随机集和随机有限集的估计与决策理论 
9.1 随机集理论基础简介 
9.1.1 一般概念 
9.1.2 概率模型 
9.2 粗糙集理论基础及其与随机集的关系 
9.2.1 信息系统的一般概念 
9.2.2 决策系统的不可分辨性 
9.2.3 集合近似 
9.2.4 属性约简 
9.2.5 粗糙隶属度 
9.2.6 广义粗集 
9.2.7 随机集与模糊集(粗集)的转换 
9.3 证据理论基础 
9.3.1 概述 
9.3.2 mass函数、信度函数与似真度函数 
9.3.3 DempsterShafer合成公式 
9.3.4 证据推理 
9.3.5 证据理论中的不确定度指标 
9.3.6 证据理论存在的主要问题与发展 
9.4 证据理论与随机集的关系 
9.4.1 随机集的mass函数模型 
9.4.2 mass函数的生成 
9.5 基于随机集理论的多源异类信息融合方法论探讨 
9.5.1 多源异类信息融合的一般概念 
9.5.2 用随机集理论描述和解决多源异类信息融合的基本思路 
9.6 随机有限集理论基础 
9.6.1 基本概念 
9.6.2 随机有限集的统计 
9.6.3 广义有限集统计特性 
9.6.4 基于随机有限集的多目标贝叶斯滤波 
9.6.5 基于随机有限集理论的多目标跟踪方法 
9.7 概率假设密度滤波器 
9.7.1 概率假设密度即为一阶多目标矩密度 
9.7.2 概率假设密度滤波器的递推公式 
9.7.3 概率假设密度滤波器的序贯蒙特·卡洛实现及状态提取 
9.7.4 概率假设密度滤波器的高斯混合实现 
9.7.5 势概率假设密度滤波器 
9.8 基于随机有限集理论的部分可分辨群目标跟踪 
9.8.1 群目标跟踪问题简述 
9.8.2 群目标概率假设密度滤波器 
9.8.3 群目标势概率假设密度滤波器 
9.9 基于随机有限集理论的联合的目标跟踪和多传感器空间配准算法 
9.9.1 基于概率假设密度滤波器的联合的目标跟踪和多传感器空间配准算法 
9.9.2 一个应用举例 
9.10 小结 
9.11 参考文献 
第10章 随机最优控制 
10.1 引言 
10.2 随机最优控制的一般理论 
10.2.1 信息结构与容许控制律类 
10.2.2 随机最优控制问题的一般表述与控制策略 
10.2.3 最优性原理与随机贝尔曼方程 
10.3 经典信息结构下离散时间系统的线性二次高斯(LQG)问题 
10.3.1 线性二次高斯问题的求解与分离定理 
10.3.2 定常线性二次高斯问题闭环最优控制的稳定性分析 
10.4 经典信息结构下连续时间系统的线性二次高斯问题 
10.4.1 问题求解与分离定理 
10.4.2 定常系统闭环最优控制的稳定性分析 
10.5 一步延时信息结构下离散时间系统的线性二次高斯问题 
10.5.1 一步延时信息结构模式 
10.5.2 状态估计与最优控制问题求解 
10.6 经典信息结构下一般离散时间非线性随机系统的双重最优控制 
10.6.1 闭环最优控制的结构特性 
10.6.2 闭环最优控制律的特性： 谨慎与探测 
10.7 双重最优控制的近似计算 
10.7.1 马尔可夫链控制 
10.7.2 摄动法 
10.8 双重最优控制的最新研究进展 
10.8.1 带未知参数线性二次高斯问题的描述 
10.8.2 名义双重最优控制方法 
10.9 小结 
10.10 参考文献 
第11章 随机系统的自适应控制与预测控制 
11.1 自适应滤波 
11.1.1 贝叶斯自适应滤波方法 
11.1.2 并行处理的自适应滤波算法 
11.1.3 系统结构和参数自适应滤波 
11.1.4 扩大状态变量的参数自适应滤波 
11.2 自适应控制的一般概念 
11.2.1 自适应控制的研究对象和分类 
11.2.2 参数自适应控制问题的一般性讨论 
11.3 单输入单输出系统的自校正控制 
11.3.1 参数自适应控制的确定性等价近似与自校正控制器的结构 
11.3.2 最小方差控制律和隐式自校正调节器 
11.3.3 广义输出最小方差自校正控制器 
11.3.4 显式极点配置自校正调节器 
11.4 多输入多输出系统的自校正控制 
11.4.1 多变量自校正控制的特殊问题 
11.4.2 多输入多输出(MIMO)最小方差自校正调节器 
11.4.3 多输入单输出(MISO)最小方差自校正调节器 
11.4.4 多变量极点配置调节器 
11.5 随机次最优参数自适应控制 
11.5.1 确定性等价分量的计算 
11.5.2 摄动分量的计算 
11.6 反步自适应控制 
11.6.1 反步法控制简介 
11.6.2 反步法自适应控制 
11.6.3 动态反步法自适应控制 
11.6.4 扩展动态反步法自适应控制 
11.7 H∞鲁棒自适应控制 
11.7.1 H∞控制理论简介 
11.7.2 H2最优控制 
11.7.3 H∞最优控制 
11.7.4 线性离散时间系统H∞自适应控制 
11.8 预测控制 
11.8.1 预测控制的一般描述 
11.8.2 广义预测控制方法 
11.8.3 MIMO系统的广义预测控制方法 
11.9 小结 
11.10 参考文献 
第12章 随机系统的试验与数值仿真 
12.1 伪随机信号的生成 
12.1.1 伪随机二位式序列(PRBS)的生成 
12.1.2 伪随机数的生成 
12.2 随机系统的试验 
12.2.1 辨识试验的设计 
12.2.2 辨识所得模型的适用性验证 
12.2.3 工业对象辨识试验举例 
12.3 随机系统的数字仿真 
12.3.1 蒙特·卡洛法 
12.3.2 数字仿真实例 
12.4 小结 
12.5 参考文献 
第13章 应用随机系统 
13.1 组合导航系统 
13.2 基于多传感信息融合的道路车辆跟踪 
13.2.1 引言 
13.2.2 车载传感器数据关联的DS实现 
13.2.3 仿真示例 
13.3 共同杂波环境中基于异类信息的多传感误差传递与校正 
13.3.1 概述 
13.3.2 问题描述与基本原理 
13.3.3 目标1量测数据的误差标定与分离算法 
13.3.4 从目标1量测数据到目标2量测数据的误差传递算法 
13.3.5 目标2量测数据的误差校正算法 
13.4 杂波环境中基于异类信息融合的目标跟踪 
13.4.1 问题描述 
13.4.2 概率生成模型 
13.4.3 对于音频视频数据的一个概率生成模型 
13.4.4 基于音频视频数据融合的参数估计与目标跟踪 
13.4.5 融合与跟踪结果 
13.5 飞行器姿态确定与估计 
13.5.1 姿态确定问题 
13.5.2 姿态运动方程 
13.5.3 姿态敏感器量测方程 
13.5.4 基于KF的姿态估计 
13.6 探月飞行器轨道确定与估计 
13.6.1 引言 
13.6.2 探月飞行器的运动方程 
13.6.3 探月飞行量测方程 
13.6.4 轨道初值确定 
13.6.5 广义状态估计 
13.6.6 欧洲SMART1月球探测器轨道确定 
13.7 随机最优制导规律 
13.7.1 引言 
13.7.2 制导问题数学描述 
13.7.3 交会状态估计 
13.7.4 最优制导规律 
13.8 小结 
13.9 参考文献 
附录A 矩阵论和范数 
A.1 基本知识 
A.1.1 分块高斯消元法与Schur补 
A.1.2 矩阵求逆引理 
A.1.3 一些行列式恒等式 
A.2 矩阵特征值和特征向量 
A.2.1 特征值的特性 
A.2.2 系统状态矩阵的特征值 
A.3 矩阵的Kronecker乘积 
A.4 矩阵的QR分解 
A.5 矩阵的奇异值分解 
A.6 矩阵的伪逆(广义逆) 
A.7 向量和矩阵范数 
A.7.1 范数的一般概念 
A.7.2 向量范数 
A.7.3 矩阵范数 
A.7.4 谱半径 
A.7.5 矩阵范数的一些关系式 
A.8 信号和系统范数 
A.8.1 信号范数 
A.8.2 系统范数的概念 
A.8.3 H2范数 
A.8.4 H∞范数 
A.8.5 H2与H∞范数之间的差别 
A.8.6 Hankel范数 
A.8.7 各种系统范数的信号解释 
附录B 矩阵微分方程与矩阵分析 
B.1 矩阵微分方程求解 
B.1.1 李雅普诺夫方程 
B.1.2 黎卡提方程 
B.2 矩阵分析 
B.2.1 矩阵对标量的微积分 
B.2.2 向量函数对向量的微分 
B.2.3 向量函数的二阶近似泰勒展开式 
B.2.4 标量函数对矩阵的微分 
参考文献