本书介绍粒子滤波器在Kalman滤波框架下的系统参数辨识与状态估计机制。本书聚焦的新型滤波器解决了困绕深度学习强非线性模型参数的收敛性训练、复杂系统随工况变化的模型参数自适应辨识、联邦学习框架中各客户端模型个性化设计、输入输出强非线性动态系统参数自适应更新、工业装备和设备寿命预测等难题。
本书对从事信息科学、人工智能、电子信息等领域研究、开发和应用的广大科技工作者具有一定的参考价值，也适合作为相关专业研究生教材。

文成林，男，1963年4月生，博士，二级教授，博士生指导教师。主要研究方向：信息融合和目标检测、故障诊断与主动安全控制、深度学习与优化决策系统、人机混合智能与工业认知计算。主持承担8项国家自然科学基金（3项重点）项目，联合承担包括4项国家自然科学基金重点项目等20余项国家或省部级项目。发表学术论文300余篇，其中有200余篇/次被SCI/EI收录；出版学术专著8部，教材5部。获省部级科技奖6项。

第一部分 基础篇
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本书主要内容与安排
参考文献
第2章 典型的滤波器设计方法
2.1 线性高斯系统状态估计的卡尔曼滤波器设计
2.2 非线性高斯系统状态估计的扩展卡尔曼滤波器设计
2.3 非线性高斯系统状态估计的无迹卡尔曼滤波器设计
2.4 一般系统噪声密度函数下状态估计的粒子滤波器设计
2.5 特征函数及其基本性质
参考文献
第二部分 现代篇
第3章 线性状态模型与一维非线性观测模型的特征函数滤波器
3.1 引言与存在问题分析
3.2 线性状态模型与观测模型组成的非高斯系统描述
3.3 非高斯系统状态估计的特征函数滤波器设计
3.4 求解滤波器增益向量的性能指标函数设计
3.5 求解滤波器增益向量算法
3.6 计算机数值仿真
3.7 滤波器性能分析
3.8 本章小结与存在问题
参考文献
第4章 线性状态模型与多维非线性观测模型的特征函数滤波器
4.1 引言与存在问题分析
4.2 线性状态模型与多维非线性观测模型组成的非高斯系统描述
4.3 特征函数滤波器设计与目标函数构建
4.4 求解特征函数滤波器增益矩阵
4.5 计算机数值仿真
4.6 本章小结与存在问题
参考文献
第三部分 现在篇
第5章 弱非线性状态模型与强非线性观测模型的特征函数滤波器
5.1 引言与存在问题分析
5.2 弱非线性状态模型与强非线性观测模型系统描述
5.3 非线性特征函数滤波器设计
5.4 非线性状态模型的局部线性化
5.5 特征函数滤波器增益矩阵求解
5.6 计算机数值仿真
5.7 本章小结与存在问题
参考文献
第6章 非线性状态模型与强非线性观测模型的高阶扩维特征函数滤波器
6.1 引言与存在问题分析
6.2 非线性非高斯系统描述
6.3 非线性状态模型的伪线性化表示与隐变量引入
6.4 二阶多项式隐变量在全维空间中的线性动态系统建模
6.5 非线性观测模型基于二阶泰勒展开的等效描述
6.6 非线性系统二阶扩维特征函数滤波器设计
6.7 二阶扩维特征函数滤波器的降维实现与性能分析
6.8 计算机数值仿真
6.9 本章小结与存在问题
参考文献
第四部分 未来篇
第7章 强非线性复杂系统的一型高阶特征函数滤波器设计
7.1 引言与存在问题分析
7.2 强非线性非高斯系统描述
7.3 隐变量引入与强非线性状态模型的伪线性化表示
7.4 隐变量线性状态动态建模与状态模型在全维空间中的线性化表示
7.5 隐状态变量引入与强非线性观测模型在全维空间中的等效表示
7.6 求解系统参数变量a（r+2）（k+1）的特征函数滤波器设计
7.7 求解系统隐状态变量x（l）（k+1）的特征函数滤波器设计
7.8 求解系统状态预测误差变量x（l）（k+1|k）的特征函数滤波器设计
7.9 原始系统状态变量x（l）（k+1）估计值的重构与特征函数滤波器性能分析
7.10 本章小结与存在问题
参考文献
第8章 强非线性复杂系统的二型高阶特征函数滤波器设计
8.1 引言与存在问题分析
8.2 强非线性非高斯系统描述
8.3 强非线性系统的线性化形式描述
8.4 基于状态模型和观测模型建模误差双特征函数的滤波器设计
8.5 原始系统状态估计值的重构与特征函数滤波器性能分析
8.6 本章小结与存在问题
参考文献
第9章 强非线性复杂系统的三型高阶特征函数滤波器设计
9.1 引言与存在问题分析
9.2 强非线性非高斯系统描述
9.3 强非线性系统的线性化形式描述
9.4 高阶隐变量线性状态动态建模与滤波器设计条件设置
9.5 隐参数变量 和 的特征函数滤波器设计
9.6 扩维状态隐变量 的序贯式特征函数滤波器组设计
9.7 系统状态预测误差变量 的序贯式特征函数滤波器设计
9.8 原始系统状态变量估计值的重构与滤波器性能分析
9.9 本章小结与存在问题
参考文献
第五部分 应用篇
第10章 多传感器状态融合估计的特征函数滤波方法
10.1 引言
10.2 多传感器非线性观测系统描述
10.3 基于CFF的集中式融合方法设计
10.4 基于CFF的并行式融合方法设计
10.5 基于CFF的序贯式融合方法设计
10.6 多参数预测误差模型设计
10.7 仿真实验
10.8 本章小结与存在问题
参考文献
第11章 极坐标系与直角坐标系混合环境下的目标跟踪方法
11.1 一般线性状态模型多维非线性系统描述
11.2 极坐标系与直角坐标系下的动态系统描述
11.3 极坐标系与直角坐标系混合环境下的目标跟踪案例
参考文献
第12章 深度神经网络模型参数自适应辨识方法
12.1 引言
12.2 神经网络参数常用更新方法
12.3 基于CFF的神经网络参数