Self-Tuning Filtering Theory with Applications:Modern Time Series Analysis Method

第一章 离散随机系统模型
1.1 向量ARMA，AR，MlA，CARMA模型
1.2 传递函数模型
1.3 状态空间模型
1.4 状态空间模型与CARMA模型的转化
1.5 构造纯量ARMlA新息模型的解析法
1.6 求MA参数的Gevers-Wouters算法及MATLAB程序
1.7 用Gevers-Wouters算法构造ARMA新息模型
1.8 用迭代法求解Riccati方程构造ARMA新息模型
1.9 非线性随机模型
参考文献
第二章 基于最小二乘法的ARMA模型参数估计的几种快速算法
2.1 递推最小二乘法(RLS)及其收敛性
2.2 递推增广最小二乘(RELS)法
2.3 ARMA模型参数估计的两段RLS-RELS算法--改进的RELS算法
2.4 ARMA模型参数估计的两段RLS-LS算法
2.5 CARMA模型的三段RLS-LS-LS参数估计算法
2.6 向量cAR模型的多重RLS参数估计算法
2.7 向量CAR模型的多维RLS参数估计算法
2.8 向量CARMA模型的多重和多维RELS参数估计算法
2.9 向量CARMA模型的两段RLs-RELS参数估计算法
2.10 向量ARMA模型的两段RLS-LS参数估计算法
参考文献
第三章 带观测噪声的ARMA模型参数估计算法
3.1 带有色观测噪声的MA模型参数估计的G-W算法
3.2 带观测噪声的AR模型参数估计的偏差补偿最小二乘(BCLS)法
3.3 带有色观测噪声的AR模型参数估计的RELS算法
3.4 带白色观测噪声的AR模型参数估计的递推辅助变量(RIV)算法
3.5 带白色观测噪声的ARMA(n，n一1)模型参数估计的两段RELS-GW算法
3.6 带有色观测噪声的ARMA模型参数估计的三段REIfs-GW-LS算法
3.7 带输入和输出观测噪声的传递函数模型参数估计
3.8 反卷积模型参数估计
参考文献
第四章 自校正白噪声估值器及其应用原理
4.1 白噪声估值器在石油地震勘探中的应用背景
4.2 白噪声估值器在状态或信号估计中的应用原理
4.3 Hilbert空间中的射影运算一
4.4 统一的稳态最优白噪声估值器
4.5 白噪声新息滤波器与Wiener-滤波器
4.6 自校正白噪声估值器
4.7 自校正白噪声估值器的收敛性
4.8 白噪声估值器在信号最优和自校正滤波和平滑问题中的应用
参考文献
第五章 自校正Kalman滤波器及其在跟踪系统中的应用
5.1 最优Kalman滤波器和预报器
5.2 基于Riccati方程的稳态.Kahnan滤波器和预报器
5.3 基于CARMA新息模型的稳态KahTlan滤波器和预报器
5.4 自校正Kalman滤波器
5.5 自校正Kalman滤波器的收敛性
参考文献
第六章 自适应Kalman滤波技术
6.1 Sage和Husa的常的噪声统计估值器和自适应Kalman滤波
6.2 改进的Sage和Husa自适应Kalman滤波器--时变噪声统计估值器
6.3 基于白噪声估值器的噪声统计估值器和自适应KahTlan滤波器
6.4 带模型噪声转移阵的系统噪声统计估值器和自适应Kalman滤波器·
6.5 自适应Kalman滤波器在时变参数系统辨识中的应用
6.6 鲁棒Kalman滤波器--虚拟噪声补偿技术
6.7 ARMA模型参数估计的鲁棒Kalman滤波方法
6.8 非线性系统的鲁棒扩展Kall31an滤波器
参考文献
第七章 自校正预报器
7.1 最优和自校正Box-Jenkins递推预报器
7.2 自校正Box-Jenkins递推预报器的收敛性
7.3 最优和自校正AstrOm递推预报器
……
第八章 自校正Wiener估值器和Kalman估值器及其在跟踪系统中的应用
第九章 多传感器信息融合最和自校正Kalman滤波与Wiener滤波理论