第1章 参数估计
1.1 引言
1.2 问题描述
1.3 估计器的定义
1.3.1 常参数的估计
1.3.2 随机参数的估计
1.3.3 估计器的特性
1.3.4 估计器性能测度：估计误差
1.4 估计器的推导：线性高斯，常参数
1.4.1 最小二乘估计器
1.4.2 加权最小二乘估计器
1.4.3 极大似然估计器
1.5 估计器的推导：线性高斯，随机参数
1.5.1 最小二乘估计器
1.5.2 加权最小二乘估计器
1.5.3 最大后验概率估计器
1.5.4 条件期望估计器
1.6 噪声和随机参数服从联合高斯分布的非线性量测
1.7 Crame-Rao界值
1.8 数值示例
附录1A 给定误差协方差矩阵条件下相关随机向量的仿真
附录1B 最小二乘估计器的其他特性
课后习题
参考文献
第2章 线性系统的状态估计
2.1 引言
2.2 状态方程和量测方程
2.3 状态估计的定义
2.3.1 可观性
2.3.2 估计误差
2.4 状态估计的贝叶斯方法
2.5 状态估计的卡尔曼滤波器
2.6 卡尔曼滤波器的推导：对加权最小二乘参数估计器的扩展
2.7 卡尔曼滤波器的推导：采用递归贝叶斯定理
2.8 对卡尔曼滤波器原始文献中确定估计特性的回顾
2.9 平滑器
2.9.1 标识和定义
2.9.2 固定区间平滑器
2.9.3 固定点平滑器
2.9.4 固定延迟平滑器
2.9.5 噪声量测环境下确定性系统的固定间隔平滑估计
2.9.6 固定间隔平滑估计在卡尔曼滤波器初始条件计算中的应用
2.10 状态估计的Cramer-Rao界值
2.10.1 确定性系统
2.10.2 线性随机系统
2.11 卡尔曼滤波器示例
附录2A 随机过程
课后习题
参考文献
第3章 非线性系统的状态估计
3.1 引言
3.2 问题描述
3.3 状态估计的贝叶斯方法
3.4 扩展卡尔曼滤波器的推导：作为一个加权最小二乘估计器
3.4.1 一步预测方程
3.4.2 状态更新方程
3.5 单级迭代的扩展卡尔曼滤波器
3.6 利用贝叶斯方法推导扩展卡尔曼滤波器
3.7 基于二阶泰勒级数展开保留项的非线性滤波
3.7.1 一步预测
3.7.2 更新方程
3.7.3 数值示例
3.8 非线性且目标状态呈现确定性变化的情形
3.9 Cramer-Rao界值
3.9.1 非线性确定性系统
3.9.2 非线性随机系统
3.10 仅有纯角量测的空间轨迹估计问题及其估计误差协方差与Cramer-Rao界值的比较
课后习题
参考文献
第4章 卡尔曼滤波器设计的实际考量
4.1 模型不确定性
4.2 滤波器性能评估
4.2.1 可实现的性能：Ceamer-Rao界值
4.2.2 残差过程
4.2.3 滤波器计算的误差协方差
4.3 模型不确定性下的滤波误差
4.3.1 偏差和协方差计算式
4.3.2 建模过度和建模不足的情形
4.4 系统运动模型失配时的滤波器补偿方法
4.4.1 状态扩维
4.4.2 过程噪声的使用
4.4.3 有限记忆滤波器
4.4.4 衰减记忆滤波器
4.5 量测噪声不确定的模型
4.5.1 未知的固定偏差
4.5.2 先验分布已知的残余偏差
4.5.3 有色量测噪声
4.6 系统输入和量测偏差均未知的系统
4.7 输入突变的系统
4.8 病态条件和虚假的可观性
4.8.1 雷达跟踪应用中的虚假可观性
4.8.2 准解耦滤波器
4.9 实用滤波器设计的数值示例
4.9.1 噪声环境下的正弦信号
4.9.2 未知恒定偏差处理方法的比较
课后习题
参考文献
第5章 多模型估计算法
5.1 引言
5.2 定义与假设
5.3 常量模型的情形
5.4 模型切换的情形
5.5 有限记忆模型切换的情形
5.5.1 一步模型历史
5.5.2 两步模型历史
5.6 交互多模型算法
5.7 数值示例
课后习题
参考文献
第6章 状态估计的采样方法
6.1 引言
6.2 条件期望及其近似
6.2.1 线性高斯情形
6.2.2 基于泰勒级数展开的近似
6.2.3 基于无迹变换的近似
6.2.4 基于质点积分的近似
6.2.5 基于蒙特卡罗采样的近似
6.3 非线性状态估计的贝叶斯方法
6.4 无迹卡尔曼滤波器
6.5 质点滤波器
6.6 粒子滤波方法
6.6.1 序贯重要性采样滤波器
6.6.2 序贯重要性重采样滤波器
6.6.3 辅助采样重要性重采样滤波器
6.6.4 基于扩展卡尔曼滤波的辅助采样重要性重采样滤波器
6.6.5 针对多模型系统的序贯重要性重采样滤波器算法
6.6.6 针对状态平滑估计的粒子滤波器
6.7 本章小结
课后习题
参考文献
第7章 基于多传感器系统的状态估计
7.1 引言
7.2 问题描述
7.3 量测融合
7.3.1 同步量测的情形
7.3.2 异步量测的情形
7.3.3 针对指定传感器的量测预处理以降低数据交换率
7.3.4 基于无序量测的目标状态更新
7.4 状态融合
7.4.1 基本状态融合算法
7.5 Crame

本书的技术水平相当于控制或系统工程专业研究生一年级或二年级的课程。学生需要熟悉系统的状态变量表示和概率论的基本知识（包括随机变量和随机过程）。本书内容主要包括10章，第1～6章主要讨论单个传感器量测、单个目标场景下的状态估计问题，第7章将问题从单传感器扩展到多传感器，第8～10章进一步将研究内容扩展到多个目标，着重研究量测一航迹关联问题和航迹一航迹相关问题。本书的引言部分依次简要介绍了各章内容，最后对全书内容进行了总结和评述。