先進(jìn)濾波方法及其在導(dǎo)航中的應(yīng)用圖書(shū)目錄

第1章 緒論

1．1 濾波的作用

1．2 卡爾曼濾波的發(fā)展歷史

1．3 卡爾曼濾波理論在導(dǎo)航中的應(yīng)用

1．4 狀態(tài)模型和量測(cè)模型

1．5 數(shù)學(xué)基礎(chǔ)

參考文獻(xiàn)

第2章 線性系統(tǒng)的卡爾曼濾波

2．1 估計(jì)和最優(yōu)估計(jì)

2．1．1 估計(jì)

2．1．2 最小二乘估計(jì)

2．1．3 最小方差估計(jì)

2．2 線性離散系統(tǒng)卡爾曼濾波

2．2．1 離散型卡爾曼濾波的基本方程

2．2．2 線性離散系統(tǒng)卡爾曼濾波的推導(dǎo)

2．2．3 離散型卡爾曼濾波的使用要點(diǎn)

2．3 連續(xù)系統(tǒng)卡爾曼濾波方程

2．4 卡爾曼濾波的推廣

第3章 非線性系統(tǒng)的濾波方法

3．1 隨機(jī)非線性系統(tǒng)的數(shù)學(xué)描述

3．2 擴(kuò)展卡爾曼濾波方法

3．2．1 圍繞標(biāo)稱(chēng)軌跡線性化的卡爾曼濾波方法

3．2．2 圍繞最優(yōu)狀態(tài)估計(jì)值線性化的卡爾曼濾波方程

3．3 Sigma點(diǎn)卡爾曼濾波方法

3．3．1 Unscented卡爾曼濾波

3．3．2 中心差分卡爾曼濾波

3．3．3 容積卡爾曼濾波

3．4 粒子濾波方法

3．4．1 粒子濾波的采樣方法

3．4．2 標(biāo)準(zhǔn)粒子濾波算法

3．4．3 Unscented粒子濾波算法

參考文獻(xiàn)

第4章 導(dǎo)航系統(tǒng)中的卡爾曼濾波方法

4．1 卡爾曼濾波在慣性導(dǎo)航初始對(duì)準(zhǔn)中的應(yīng)用

4．1．1 初始對(duì)準(zhǔn)的原理及分類(lèi)

4．1．2 初始對(duì)準(zhǔn)的發(fā)展與研究現(xiàn)狀

4．1．3 靜基座解析粗對(duì)準(zhǔn)方法

4．1．4 抗擾動(dòng)解析粗對(duì)準(zhǔn)方法

4．1．5 最優(yōu)雙位置解析初始對(duì)準(zhǔn)方法

4．1．6 任意雙位置現(xiàn)場(chǎng)解析測(cè)漂及迭代對(duì)準(zhǔn)

4．1．7 慣性導(dǎo)航系統(tǒng)精對(duì)準(zhǔn)方法

4．2 卡爾曼濾波在衛(wèi)星導(dǎo)航系統(tǒng)中的應(yīng)用

4．2．1 衛(wèi)星導(dǎo)航系統(tǒng)定位基本原理與定位誤差

4．2．2 運(yùn)動(dòng)栽體動(dòng)態(tài)模型的建立

4．2．3 基于卡爾曼濾波的GNSS動(dòng)態(tài)定位

4．3 卡爾曼濾波在天文導(dǎo)航系統(tǒng)中的應(yīng)用

4．3．1 航天器天文導(dǎo)航的基本原理

4．3．2 基于軌道動(dòng)力學(xué)的航天器天文導(dǎo)航濾波方法

4．3．3 濾波方法在天文導(dǎo)航中的應(yīng)用

4．3．4 系統(tǒng)模型噪聲方差陣對(duì)濾波性能的影響

參考文獻(xiàn)

第5章 卡爾曼濾波在組合導(dǎo)航系統(tǒng)中的應(yīng)用

5．1 捷聯(lián)慣性／衛(wèi)星組合導(dǎo)航技術(shù)

5．1．1 慣性／衛(wèi)星組合導(dǎo)航原理

5．1．2 慣性／衛(wèi)星組合導(dǎo)航的建模方法

5．1．3 基于卡爾曼濾波和平滑的慣性／衛(wèi)星組合導(dǎo)航方法與仿真

5．1．4 基于非線性UKF平滑的慣性／衛(wèi)星組合導(dǎo)航方法與試驗(yàn)

5．2 慣性／天文／衛(wèi)星組合導(dǎo)航技術(shù)

5．2．1 慣性／天文／衛(wèi)星組合導(dǎo)航原理

5．2．2 慣性／天文／衛(wèi)星組合導(dǎo)航系統(tǒng)建模方法

5．2．3 基于聯(lián)邦濾波的慣性／天文／衛(wèi)星組合導(dǎo)航方法與仿真

參考文獻(xiàn) 2100433B

《先進(jìn)濾波方法及其在導(dǎo)航中的應(yīng)用》是作者課題組多年來(lái)的教學(xué)和科研成果的總結(jié)，主要介紹了線性系統(tǒng)的卡爾曼濾波和非線性系統(tǒng)的擴(kuò)展卡爾曼濾波、Unscented卡爾曼濾波等濾波方法和這些濾波方法在INS初始對(duì)準(zhǔn)、GPS動(dòng)態(tài)濾波、GPS/INS組合導(dǎo)航以及GPS/INS/CNS組合導(dǎo)航中的應(yīng)用。

《先進(jìn)濾波方法及其在導(dǎo)航中的應(yīng)用》既可作為從事導(dǎo)航與制導(dǎo)技術(shù)研究的工程技術(shù)人員的參考書(shū)，也可作為高等學(xué)校相關(guān)專(zhuān)業(yè)研究生和高年級(jí)本科生的教材或教學(xué)參考書(shū)。

《混沌系統(tǒng)與混沌電路:原理、設(shè)計(jì)及其在通信中的應(yīng)用》分基礎(chǔ)篇和應(yīng)用篇兩大部分，共33章。基礎(chǔ)篇包括第1～9章，應(yīng)用篇包括第10～33章。全書(shū)從基本內(nèi)容劃分，也可以概括為三部分。第一部分為第1～9章，包括混沌的基本概念及研究?jī)?nèi)容與方法，離散動(dòng)力系統(tǒng)初步，拋物線映射，常微分方程基本理論，馬蹄映射、Shilnikov定理與Melnikov方法簡(jiǎn)介，連續(xù)時(shí)間混沌系統(tǒng)，混沌吸引子的刻畫(huà)，分形與分維，幾種混沌同步方案與混沌保密通信制式。第二部分為第10～26章，包括連續(xù)時(shí)間混沌系統(tǒng)的離散化及其算法，混沌基本單元與非線性函數(shù)產(chǎn)生電路，混沌電路的模塊化設(shè)計(jì)，多渦卷與多翅膀混沌系統(tǒng)的理論設(shè)計(jì)與建模方法，三階和四階多渦卷Chua電路，用多項(xiàng)式產(chǎn)生三渦卷Chua電路，正余弦倍角與分段函數(shù)法的多渦卷變形Chua，電路，網(wǎng)格多渦卷Chua電路，超混沌多渦卷MCK系統(tǒng)，多折疊環(huán)面系統(tǒng)，多方向分布網(wǎng)格多環(huán)面系統(tǒng)，多渦卷廣義Jerk電路，多方向分布網(wǎng)格多渦卷混沌電路，環(huán)狀多翅膀廣義Lorenz系統(tǒng)族，嵌套多翅膀廣義。Lorenz系統(tǒng)族，四階Colpitts混沌振蕩器，一個(gè)五階超混沌電路。第三部分為第27～33章，包括混沌模擬通信系統(tǒng)，用DSP技術(shù)產(chǎn)生混沌信號(hào)與實(shí)現(xiàn)混沌數(shù)字通信，DSP技術(shù)平臺(tái)的混沌無(wú)線數(shù)字通信，用FPGA的DSPBLJILDER技術(shù)產(chǎn)生混沌信號(hào)。IEEE——754標(biāo)準(zhǔn)與FPGA技術(shù)的混沌產(chǎn)生器及混沌數(shù)字通信，F(xiàn)PGA嵌入式以太網(wǎng)傳輸數(shù)字圖像混沌保密通信。

《混沌系統(tǒng)與混沌電路:原理、設(shè)計(jì)及其在通信中的應(yīng)用》的基礎(chǔ)篇可作為電路與系統(tǒng)專(zhuān)業(yè)或相關(guān)專(zhuān)業(yè)的研究生教材或教學(xué)參考書(shū)，應(yīng)用篇可供自然科學(xué)和工程技術(shù)領(lǐng)域中的高校教師和研究人員參考。

第1章緒論1

1.1粒子濾波的發(fā)展和應(yīng)用2

1.2視頻目標(biāo)的檢測(cè)與跟蹤5

1.2.1跟蹤目標(biāo)的視覺(jué)特征5

1.2.2常用的視頻目標(biāo)檢測(cè)方法7

1.2.3常用的視頻目標(biāo)跟蹤方法10

1.2.4視頻目標(biāo)跟蹤的應(yīng)用14

1.3粒子濾波在視頻目標(biāo)跟蹤中的應(yīng)用15

1.3.1基于粒子濾波的視頻目標(biāo)跟蹤研究現(xiàn)狀15

1.3.2基于粒子濾波的視覺(jué)跟蹤的難點(diǎn)16

1.4基于微分流形粒子濾波的視頻跟蹤研究18

1.5主要的公共視頻數(shù)據(jù)庫(kù)20

1.6本書(shū)的主要工作22

第2章視頻目標(biāo)的檢測(cè)與特征提取25

2.1引言25

2.2運(yùn)動(dòng)目標(biāo)檢測(cè)方法25

2.2.1光流計(jì)算法25

2.2.2背景消減法27

2.2.3幀間差分法27

2.3運(yùn)動(dòng)目標(biāo)的特征提取28

2.3.1顏色特征提取28

2.3.2紋理特征提取32

2.3.3運(yùn)動(dòng)邊緣特征提取34

第3章目標(biāo)的表觀模型35

3.1模板35

3.2活動(dòng)輪廓模型36

3.3直方圖 36

3.3.1直方圖密度估計(jì)37

3.3.2空間直方圖38

3.3.3加權(quán)顏色直方圖39

3.4核密度估計(jì) 40

3.5混合高斯模型41

3.5.1混合高斯模型的數(shù)學(xué)描述41

3.5.2背景模型的更新43

第4章基于粒子濾波算法的視頻目標(biāo)跟蹤45

4.1貝葉斯估計(jì)理論45

4.1.1動(dòng)態(tài)系統(tǒng)的狀態(tài)模型45

4.1.2貝葉斯定理46

4.1.3貝葉斯濾波47

4.1.4蒙特卡羅方法48

4.1.5序貫重要性采樣49

4.1.6重采樣技術(shù)51

4.2粒子濾波算法52

4.2.1標(biāo)準(zhǔn)粒子濾波算法53

4.2.2標(biāo)準(zhǔn)粒子濾波的缺點(diǎn)54

4.2.3各種改進(jìn)的粒子濾波算法58

4.3基于粒子濾波的視頻目標(biāo)跟蹤方法 61

4.3.1概率跟蹤方法的數(shù)學(xué)描述61

4.3.2粒子濾波視頻跟蹤的狀態(tài)模型62

4.3.3粒子濾波視頻跟蹤的觀測(cè)模型63

4.3.4粒子濾波跟蹤實(shí)驗(yàn)結(jié)果與分析65

第5章基于Mean Shift的粒子濾波跟蹤69

5.1Mean Shift概述69

5.2Mean Shift基本理論及其擴(kuò)展形式70

5.2.1Mean Shift向量70

5.2.2擴(kuò)展Mean Shift71

5.2.3概率密度梯度73

5.3基本Mean Shift算法74

5.4Mean Shift在目標(biāo)跟蹤中的應(yīng)用75

5.4.1目標(biāo)描述和匹配準(zhǔn)則75

5.4.2Mean Shift跟蹤77

5.4.3跟蹤算法流程78

5.5嵌入Mean Shift算法的粒子濾波視頻目標(biāo)跟蹤78

5.5.1系統(tǒng)動(dòng)態(tài)模型的設(shè)計(jì)79

5.5.2系統(tǒng)觀測(cè)模型的設(shè)計(jì)79

5.5.3目標(biāo)定位80

5.5.4Mean Shift粒子聚類(lèi)80

5.6實(shí)驗(yàn)及分析82

第6章基于自適應(yīng)流形粒子濾波算法的紅外小目標(biāo)跟蹤84

6.1紅外小目標(biāo)檢測(cè)和跟蹤方法概述85

6.1.1紅外小目標(biāo)跟蹤技術(shù)85

6.1.2紅外小目標(biāo)檢測(cè)技術(shù)86

6.2復(fù)雜背景下紅外小目標(biāo)圖像的預(yù)處理算法87

6.2.1紅外圖像的組成87

6.2.2頻域高通濾波法88

6.2.3低通濾波器88

6.2.4中值濾波89

6.2.5基于數(shù)學(xué)形態(tài)學(xué)濾波的紅外圖像預(yù)處理89

6.2.6紅外圖像預(yù)處理仿真實(shí)驗(yàn)92

6.3基于自適應(yīng)粒子濾波算法的紅外小目標(biāo)跟蹤96

6.3.1基于粒子濾波算法的紅外目標(biāo)跟蹤步驟97

6.3.2基于自適應(yīng)粒子濾波算法的紅外小目標(biāo)跟蹤98

6.4[ZK(]基于自適應(yīng)流形粒子濾波的制導(dǎo)紅外小目標(biāo)跟蹤方法[ZK)]107

6.4.1流形基礎(chǔ)知識(shí)108

6.4.2基于自適應(yīng)流形粒子濾波的紅外小目標(biāo)跟蹤方法109

第7章基于流形聚類(lèi)粒子濾波算法的視頻目標(biāo)跟蹤118

7.1聚類(lèi)算法119

7.1.1聚類(lèi)的定義119

7.1.2聚類(lèi)算法的分類(lèi)120

7.2最大模糊熵高斯聚類(lèi)粒子濾波算法(iMCPF)121

7.2.1最大模糊熵高斯聚類(lèi)121

7.2.2最大模糊熵高斯聚類(lèi)粒子濾波算法步驟122

7.3粒子稀疏化聚類(lèi)123

7.3.1粒子稀疏化聚合重采樣123

7.3.2粒子交叉聚合124

7.4雙重采樣自適應(yīng)粒子濾波算法(DRPF)124

7.4.1基于觀測(cè)新息的重采樣分布方案124

7.4.2雙重采樣自適應(yīng)粒子濾波算法步驟125

7.5仿真實(shí)驗(yàn)及分析127

7.5.1DR/GPS組合系統(tǒng)模型127

7.5.2仿真實(shí)驗(yàn)及結(jié)果分析 127

7.6流形學(xué)習(xí)聚類(lèi)粒子濾波算法131

7.6.1流形學(xué)習(xí) 132

7.6.2拉普拉斯特征映射134

7.6.3局部線性嵌入算法134

7.6.4增量式LLE聚類(lèi)粒子濾波(ILLEDRPF)算法138

7.6.5仿真實(shí)驗(yàn)及分析140

7.7流形聚類(lèi)粒子濾波算法142

7.7.1流形聚類(lèi)142

7.7.2流形聚類(lèi)方法144

7.7.3幾何能量聚類(lèi)145

7.7.4Grassmann流形粒子濾波148

7.7.5基于幾何能量的流形聚類(lèi)粒子濾波149

7.7.6仿真實(shí)驗(yàn)及分析150

第8章基于李群粒子濾波算法的視頻目標(biāo)跟蹤156

8.1流形156

8.1.1流形的定義156

8.1.2流形的距離157

8.2李群流形理論基礎(chǔ)158

8.2.1李群和李代數(shù)158

8.2.2李群指數(shù)映射158

8.2.3李群幾何優(yōu)化159

8.3李群結(jié)構(gòu)的矩陣協(xié)方差描述160

8.3.1目標(biāo)圖像多特征提取160

8.3.2協(xié)方差的相似度匹配162

8.4李群流形上的粒子濾波算法162

8.4.1將射影變換表示為李群162

8.4.2李群狀態(tài)模型163

8.4.3李群觀測(cè)模型164

8.5李群粒子濾波算法流程165

8.6實(shí)驗(yàn)結(jié)果與分析166

第9章基于李群最優(yōu)重要性函數(shù)粒子濾波算法的視頻目標(biāo)跟蹤172

9.1最優(yōu)重要性密度函數(shù)172

9.2基于流形建議分布的粒子濾波器173

9.2.1基于Stiefel流形的粒子濾波器174

9.2.2基于黎曼流形的粒子濾波174

9.3黎曼均值174

9.3.1基于黎曼度量的正定對(duì)稱(chēng)陣175

9.3.2改進(jìn)李群結(jié)構(gòu)的黎曼流形175

9.4李群正態(tài)分布175

9.4.1李群上的不變度量和測(cè)地線176

9.4.2李群協(xié)方差矩陣算法176

9.4.3基于李群指數(shù)映射的正態(tài)分布177

9.5基于李群正態(tài)分布的粒子濾波算法178

9.6實(shí)驗(yàn)結(jié)果與分析178

參考文獻(xiàn)183