本书系统地介绍了由作者提出的非线性系统的信息融合估计新方法、新理论及应用。本书主要介绍了几种非线性系统的估计方法，并从优缺点、适用范围、算法精度、复杂度等方面进行性能分析。为了提高单个传感器的估计精度，提出了非线性系统的多传感器信息融合方法——加权观测融合方法，该方法有效地解决了非线性系统的融合问题。
本书反映了非线性系统融合估计领域的最新研究成果，内容新颖，论述严谨，理论体系完整，并含有大量的仿真例子，可作为高等学校控制科学与工程、电子科学与技术、通信与信息技术、计算机应用技术等相关专业高年级本科生和研究生的教材或参考书，且对信号处理、控制、通信、航天、导航、制导、目标跟踪、GPS定位、检测与估计、故障诊断、石油勘探等领域从事非线性系统融合估计的科研和工程技术人员有重要参考价值。

第1章 绪论
1.1 多传感器信息融合理论
1.1.1 多传感器信息融合
1.1.2 信息融合国内外发展现状
1.2 系统辨识
1.2.1 系统辨识的目的
1.2.2 系统辨识的方法
1.2.3 自校正滤波算法
1.3 非线性系统融合估计
1.3.1 信息融合结构模型
1.3.2 信息融合的主要技术方法
1.3.3 非线性系统估计研究现状
1.3.4 融合估计研究现状
1.3.5 非线性系统融合估计研究现状
1.4 主要研究内容
第2章 一般非线性系统滤波方法及性能分析
2.1 递推线性最小方差估计框架
2.1.1 射影定理
2.1.2 新息序列
2.1.3 递推线性最小方差滤波框架
2.1.4 Kalman滤波器
2.1.5 ARMA新息模型
2.1.6 基于ARMA新息模型的稳态Kalman滤波器
2.2 无迹Kalman滤波算法
2.2.1 UKF滤波算法原理
2.2.2 Sigma点采样策略
2.2.3 UKF滤波算法
2.3 容积Kalman滤波算法
2.3.1 容积规则
2.3.2 容积Kalman滤波算法
2.4 粒子滤波算法
2.4.1 最优贝叶斯递推滤波和重要性采样
2.4.2 序贯重要性采样
2.4.3 PF滤波算法
2.53 种非线性滤波算法的比较分析
2.6 本章小结
第3章 线性系统的多传感器自校正加权观测融合Kalman滤波器
3.1 最优加权观测融合Kalman滤波器
3.1.1 线性系统的加权观测融合算法
3.1.2 最优加权观测融合Kalman滤波器
3.2 基于最小二乘法的自校正加权观测融合Kalman滤波器
3.2.1 自校正Kalman滤波器
3.2.2 基于最小二乘法的自校正加权观测融合Kalman滤波器
3.2.3 基于相关函数辨识器的自校正加权观测融合Kalman滤波器
3.3 基于协同辨识的自校正加权观测融合Kalman滤波器
3.3.1 具有相同观测矩阵和不相关观测噪声的情形
3.3.2 具有不同观测矩阵和不相关观测噪声情形
3.3.3 系统具有不同观测矩阵和相关观测噪声
3.4 仿真
3.5 本章小结
第4章 非线性系统的最优和自校正加权观测融合UKF滤波器
4.1 多传感器加权观测融合UKF滤波器
4.1.1 集中式观测融合UKF滤波器
4.1.2 加权观测融合UKF滤波器
4.1.3 加权观测融合UKF滤波器与集中式观测融合UKF滤波器在数值上的完全等价性
4.2 自校正加权观测融合UKF滤波器
4.2.1 噪声方差的估计算法
4.2.2 基于Sage-Husa估计的Qw估计算法
4.2.3 多传感器加权观测融合自校正UKF滤波器
4.3 仿真例子
4.4 本章小结
第5章 基于Taylor级数逼近的非线性系统加权观测融合估计理论
5.1 基于Taylor级数逼近的非线性系统加权观测融合算法
5.2 基于Taylor级数逼近的非线性系统加权观测融合UKF（WMF-UKF）滤波算法
5.2.1 基于Taylor级数逼近的非线性系统WMF-UKF滤波算法
5.2.2 WMF-UKF的渐近最优性
5.2.3 WMF-UKF的计算量分析
5.3 基于Taylor级数逼近的非线性系统加权观测融合CKF（WMF-CKF）滤波算法
5.3.1 基于Taylor级数逼近的非线性系统WMF-CKF滤波算法
5.3.2 WMF-CKF的渐近最优性
5.3.3 WMF-CKF的计算量分析
5.4 基于Taylor级数逼近的非线性系统加权观测融合PF（WMF-PF）滤波算法
5.4.1 基于Taylor级数逼近的非线性系统WMF-PF滤波算法
5.4.2 WMF-PF的渐近最优性
5.4.3 WMF-PF的计算量分析
5.5 WMF-UKF、WMF-CKF和WMF-PF的比较分析
5.6 仿真研究
5.7 本章小结
第6章 基于Gauss-Hermite逼近的非线性系统加权观测融合估计算法
6.1 基于Gauss-Hermite逼近的非线性系统加权观测融合（WMF）算法
6.1.1 Gauss-Hermite逼近
6.1.2 基于Gauss-Hermite逼近的非线性系统WMF算法
6.2 基于Gauss-Hermite逼近的非线性系统加权观测融合UKF（WMF-UKF）滤波算法
6.2.1 基于Gauss-Hermite逼近的非线性系统WMF-UKF滤波算法
6.2.2 WMF-UKF的计算量分析
6.3 基于Gauss-Hermite逼近的非线性系统加权观测融合CKF（WMF-CKF）滤波算法
6.3.1 基于Gauss-Hermite逼近的非线性系统WMF-CKF滤波算法
6.3.2 WMF-CKF的计算量分析
6.4 基于Gauss-Hermite逼近的非线性系统加权观测融合PF（WMF-PF）滤波算法
6.4.1 基于Gauss-Hermite逼近的非线性系统WMF-PF滤波算法
6.4.2 WMF-PF的计算量分析
6.5 仿真研究
6.6 本章小结
第7章 噪声相关的非线性系统加权观测融合估计算法
7.1 基于Taylor级数逼近的噪声相关非线性系统WMF-UKF滤波算法
7.1.1 系统噪声和观测噪声的去相关
7.1.2 噪声相关非线性系统WMF-UKF滤波算法
7.2 基于Taylor级数逼近的噪声相关非线性系统WMF-CKF滤波算法
7.3 基于Taylor级数逼近的噪声相关非线性系统WMF-PF滤波算法
7.4 基于Gauss-Hermite逼近的噪声相关非线性系统WMF-UKF滤波算法
7.5 基于Gauss-Hermite逼近的