章 最优估计概述
1.1 最优估计的基本概念
1.2 最优估计理论的发展概况
1.3 最优估计理论的应用领域
1.4 本章要点
第2章 数学基础理论
2.1 概率论
2.2 随机过程
2.3 矩阵论
2.4 本章要点
第3章 最优估计基础理论
3.1 统计估计法
3.2 概率估计法
3.3 最小方差估计和线性最小方差估计
3.4 随机向量的正交投影
3.5 本章要点
第4章 动态系统模型
4.1 确定性动态系统模型
4.2 随机动态系统模型
4.3 各类系统模型的转化
4.4 动态系统模型的建立
4.5 本章要点
第5章 线性系统的卡尔曼滤波
5.1 卡尔曼滤波概述
5.2 线性离散系统的卡尔曼滤波
5.3 线性离散系统卡尔曼滤波的特殊形式
5.4 线性离散系统的最优预测
5.5 线性连续系统的卡尔曼滤波
5.6 卡尔曼滤波的稳定性
5.7 卡尔曼滤波的发散抑制
5.8 线性离散卡尔曼滤波的应用
5.9 本章要点
第6章 非线性卡尔曼滤波
6.1 概述
6.2 扩展卡尔曼滤波
6.3 无迹卡尔曼滤波
6.4 中心差分卡尔曼滤波
6.5 容积卡尔曼滤波
6.6 非线性卡尔曼滤波在舰船导航中的应用
6.7 本章要点
第7章 粒子滤波
7.1 概述
7.2 贝叶斯滤波
7.3 粒子滤波的重要技术
7.4 基本粒子滤波
7.5 本章要点
第8章 预测滤波
8.1 最小模型误差准则
8.2 预测滤波原理及实现
8.3 分段自调整加权的预测滤波
8.4 预测一无迹卡尔曼滤波
8.5 本章要点
第9章 联邦滤波与组合导航
9.1 导航系统概况
9.2 联邦滤波原理
9.3 联邦滤波的信息分配方法
9.4 联邦滤波在组合导航中的应用
9.5 本章要点
参考文献
名词索引

本书全面系统地阐述了随机系统状态的最优估计理论和方法，主要包括估计理论和数学理论基础、随机系统模型理论、线性卡尔曼滤波、非线性卡尔曼滤波类、粒子滤波、非线性预测滤波、组合导航与联邦滤波等内容。