图书介绍

贝叶斯滤波与平滑pdf电子书版本下载

贝叶斯滤波与平滑
  • (芬)希莫·萨日伽著;程建华,陈岱岱,管冬雪等译;杨晓东,袁书明审校 著
  • 出版社: 北京:国防工业出版社
  • ISBN:9787118102475
  • 出版时间:2015
  • 标注页数:184页
  • 文件大小:23MB
  • 文件页数:197页
  • 主题词:贝叶斯理论-滤波理论;贝叶斯理论-平滑

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

贝叶斯滤波与平滑PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第一章 贝叶斯滤波与平滑 1

1.1 贝叶斯滤波和平滑的应用 1

1.2 贝叶斯滤波和平滑的起源 5

1.3 基于最优滤波和平滑的贝叶斯推理 6

1.4 贝叶斯滤波和平滑算法 9

1.5 参数估计 10

1.6 习题 11

第二章 贝叶斯推理 12

2.1 贝叶斯推理的基本原理 12

2.2 贝叶斯推理与极大似然估计 12

2.3 贝叶斯模型的基础构成 13

2.4 贝叶斯点估计 14

2.5 数值方法 15

2.6 习题 17

第三章 批处理贝叶斯估计与递归贝叶斯估计 19

3.1 批处理线性回归 19

3.2 递归线性回归 21

3.3 批处理估计与递归估计 22

3.4 含有漂移的线性回归模型 24

3.5 含有漂移的线性回归状态空间模型 26

3.6 状态空间模型举例 29

3.7 习题 33

第四章 贝叶斯滤波方程及其精确解 37

4.1 概率状态空间模型 37

4.2 贝叶斯滤波方程 39

4.3 卡尔曼滤波 41

4.4 习题 45

第五章 扩展卡尔曼滤波和无迹卡尔曼滤波 47

5.1 泰勒级数展开 47

5.2 扩展卡尔曼滤波 51

5.3 统计线性化 55

5.4 统计线性化滤波器 57

5.5 无迹变换 60

5.6 无迹卡尔曼滤波 64

5.7 习题 68

第六章 广义高斯滤波 71

6.1 高斯矩匹配 71

6.2 高斯滤波器 72

6.3 Gauss-Hermite积分 74

6.4 Gauss-Hermite卡尔曼滤波器 77

6.5 球面容积积分 78

6.6 容积卡尔曼滤波器 81

6.7 习题 85

第七章 粒子滤波 86

7.1 贝叶斯推理中的蒙特卡洛逼近 86

7.2 重要性采样 87

7.3 序贯重要性采样 89

7.4 序贯重要性重采样 91

7.5 Rao-Blackwellized粒子滤波 95

7.6 习题 97

第八章 贝叶斯平滑方程及其精确解 99

8.1 贝叶斯平滑方程 99

8.2 Rauch-Tung-Striebel平滑器 100

8.3 双滤波器平滑 104

8.4 习题 105

第九章 扩展平滑与无迹平滑 106

9.1 扩展RTS平滑器 106

9.2 统计线性化RTS平滑器 108

9.3 无迹RTS平滑器 109

9.4 习题 112

第十章 广义高斯平滑 113

10.1 广义高斯RTS平滑器 113

10.2 Gauss-Hermite RTS平滑器 114

10.3 容积RTS平滑器 115

10.4 广义固定点平滑方程 117

10.5 广义固定滞后平滑方程 119

10.6 习题 120

第十一章 粒子平滑 121

11.1 SIR粒子平滑器 121

11.2 后向模拟粒子平滑器 122

11.3 重新加权平滑滤波 124

11.4 Rao-Blackwellized粒子平滑器 125

11.5 习题 126

第十二章 参数估计 128

12.1 状态空间模型中参数的贝叶斯估计 128

12.2 参数估计的计算方法 130

12.2.1 极大后验及拉普拉斯逼近 130

12.2.2 基于马尔可夫链的蒙特卡洛参数推断 131

12.2.3 期望极大化 133

12.3 状态空间模型中的实际参数估计 136

12.3.1 状态扩增法 136

12.3.2 线性状态空间模型中的参数估计 137

12.3.3 利用高斯滤波与平滑的参数估计 141

12.3.4 基于粒子滤波与平滑的参数估计 143

12.3.5 参数的Rao-Blackwell化 146

12.4 习题 148

第十三章 结束语 149

13.1 贝叶斯方法的选取 149

13.2 今后工作展望 150

附录 152

附录A 其他资料 152

A.1 高斯分布的性质 152

A.2 Cholesky分解及其导数 152

A.3 卡尔曼滤波器参数的导数 154

A.4 高斯滤波器参数的导数 156

附录B 通用符号 160

附录C 符号说明 162

附录D 英文缩写释义 168

附录E 中英文对照 171

参考文献 176

精品推荐