声明
第1章 绪 论
1.1 研究背景及意义
1.2 亟待解决的问题
1.3 主要研究内容与安排
第2章 常用滤波方法介绍
2.1卡尔曼滤波(Kalman Filtering,KF)
2.2扩展卡尔曼滤波(Extended Kalman Filtering, EKF)
2.3无迹卡尔曼滤波(UnscentedKalman Filtering,UKF)
2.4容积卡尔曼滤波(Cubature Kalman Filtering, CKF)
2.5强跟踪滤波(Strong TrackingFiltering,STF)
2.6粒子滤波(Particle Filtering, PF)
2.7 分析总结
第3章 基于特征函数的非线性滤波器设计
3.1 引言
3.2线性特征函数滤波(Characteristic Function Filtering, CFF)
3.3 线性特征函数滤波仿真实验
3.4 线性特征函数滤波中存在的问题及描述
3.5 误差传播模型与非线性特征函数滤波设计
3.5.1 基于泰勒展开的误差传播模型与非线性特征函数滤波设计
3.5.2 基于UT变换的误差传播模型与非线性特征函数滤波设计
3.6 CFF算法仿真
3.6.1仿真实验一
3.6.2仿真实验二
3.6 总结分析
第4章 基于非线性CFF的并行式滤波器与序贯式滤波器
4.1 引言
4.2.1 基于非线性CFF的并行式滤波器
4.2.2 基于非线性CFF的序贯式滤波器
4.3 仿真实验
4.4 总结与分析
第5章 非线性滤波算法在神经网络中的应用
5.1 引言
5.2.1 梯度下降法
5.2.2 极限学习机
5.2.3 基于KF的网络参数更新算法
5.3 问题描述
5.4.1 基于EKF的网络参数更新算法
5.4.2 基于CFF的网络参数更新算法
5.5 仿真实验
5.6 多隐层网络参数更新的推广
5.7 总结与分析
第6章 总结与展望
6.1 工作总结
6.2 未来展望
致谢
参考文献
附录
杭州电子科技大学;