| 作 者： | 翟永智 |
| 出版社： | 哈尔滨工业大学出版社 |
| 丛编项： | |
| 版权说明： | 本书为公共版权或经版权方授权，请支持正版图书 |
| 标 签： | 暂缺 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 绪论
1.1 粒子滤波定义与扩展概述
1.2 粒子滤波算法性能描述
1.3 粒子滤波及其应用的分类概述
1.4 粒子滤波算法及其应用
1.5 粒子滤波与强化学习结合在数字孪生可靠性估计中的应用
1.6 本章小结
第2章 粒子滤波的基本原理
2.1 概念的介绍
2.2 粒子滤波的引入
2.3 粒子滤波的基本类型
2.4 本章小结
第3章 多尺度粒子滤波算法
3.1 MCMC重要采样方法
3.2 多尺度粒子滤波算法的引入
3.3 多尺度粒子滤波算法的原理
3.4 多尺度粒子滤波目标识别与跟踪算法实现
3.5 多尺度粒子滤波算法的深入讨论
3.6 多尺度粒子滤波对目标跟踪与声源定位仿真
3.7 多尺度粒子滤波算法的总结和性能分析
3.8 本章小结
第4章 多尺度粒子滤波的扩展算法
4.1 扩展算法的前提条件
4.2 多尺度粒子滤波的统计算法
4.3 多尺度粒子滤波的概率矩形区域模型
4.4 粒子滤波在受野值破坏非线性时间序列中的应用仿真
4.5 多尺度粒子滤波的均值漂移算法
4.6 本章小结
第5章 扩展算法在WSN中的应用(Ⅰ)
5.1 WSN概述
5.2 WSN中机动目标状态的估计
5.3 无线传感器网络信道建模分析
5.4 多尺度粒子滤波的EM算法对信道状态的估计
5.5 多尺度粒子滤波的EM算法对记忆信道参数的估计
5.6 多尺度粒子滤波在信道盲估计中的应用
5.7 仿真测试
5.8 本章小结
第6章 扩展算法在WSN中的应用(Ⅱ)
6.1 非高斯噪声无线多径衰落信道的描述
6.2 多尺度粒子滤波对混合高斯噪声系统的特征参数估计
6.3 仿真测试
6.4 本章小结
第7章 粒子滤波复杂应用
7.1 基于Stiefel流形和权值优化粒子滤波在CS中的应用
7.2 基于粒子滤波EM算法应用的典型案例
7.3 时空状态演绎模型
7.4 粒子滤波算法与机器学习结合关键技术
7.5 粒子滤波在强化学习中的应用
7.6 基于粒子滤波联邦学习方法框架的构建
7.7 本章小结
参考文献
附录与难点解析说明
附录1 WSN机动目标跟踪模拟流程图
附录2 SIR滤波算法仿真程序
附录3 多尺度粒子滤波算法及其扩展算法可行性的理论证明与说明
附录4 不完全β函数的定义
附录5 智慧农业感知系统数据分析
附录6 仿真程序与性能进一步分析
附录7 专业术语缩略词表
附录8 部分彩图
