Cuốn sách này mô tả các kỹ thuật làm mịn, lọc và dự đoán cổ điển cùng với một số điểm bổ sung được phát triển gần đây nhằm cải thiện hiệu suất trong các ứng dụng. Mục tiêu của cuốn sách là trình bày chủ đề một cách dễ hiểu, để có thể đóng vai trò là một hướng dẫn thực tế cho sinh viên đại học và người mới bắt đầu. Nội dung được tổ chức dưới dạng một khóa học gồm mười bài giảng. Nền tảng được đặt trong Chương 1 và 2, giải thích về việc xây dựng giải pháp với sai số bình phương trung bình tối thiểu và hành vi tiệm cận. Chương 3 và 4 giới thiệu về lọc phương sai tối thiểu theo thời gian liên tục và thời gian rời rạc. Các khái quát hóa cho dữ liệu bị thiếu, đầu vào xác định, nhiễu tương quan, các số hạng truyền trực tiếp, ước lượng đầu ra và cân bằng được mô tả. Chương 5 đơn giản hóa các kết quả lọc phương sai tối thiểu cho các bài toán trạng thái ổn định. Khả năng quan sát, sự hội tụ của giải pháp phương trình Riccati, tính ổn định tiệm cận và tính tương đương của bộ lọc Wiener được thảo luận. Chương 6 và 7 đề cập đến chủ đề làm mịn theo thời gian liên tục và thời gian rời rạc. Các kết quả chính của làm mịn theo độ trễ cố định, điểm cố định và khoảng cố định cũng được rút ra. Người ta chứng minh rằng bộ làm mượt khoảng cố định có phương sai nhỏ nhất đạt được hiệu suất tốt nhất.

Abstract:

This book describes the classical smoothing, filtering and prediction techniques together with some more recently developed embellishments for improving performance within applications. It aims to present the subject in an accessible way, so that it can serve as a practical guide for undergraduates and newcomers to the field. The material is organised as a ten-lecture course. The foundations are laid in Chapters 1 , 2, which explain minimum-mean-square-error solution construction and asymptotic behaviour. Chapters 3 and 4 introduce continuous-time and discrete-time minimum-variance filtering. Generalisations for missing data, deterministic inputs, correlated noises, direct feedthrough terms, output estimation and equalisation are described. Chapter 5 simplifies the minimum-variance filtering results for steady-state problems. Observability, Riccati equation solution convergence, asymptotic stability and Wiener filter equivalence are discussed. Chapters 6 and 7 cover the subject of continuous-time and discrete-time smoothing. The main fixed-lag, fixed-point and fixed-interval smoother results are derived. It is shown that the minimum-variance fixed-interval smoother attains the best performance.

Ngôn ngữ:	eng
Tác giả:	Einicke, Garry A.
Thông tin nhan đề:	Smoothing, Filtering and Prediction: Estimating The Past, Present and Future
Nhà xuất bản:	IntechOpen
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Điện tử - Viễn thông
Bản quyền:	https://creativecommons.org/licenses/by/3.0/
Nguồn gốc:	https://directory.doabooks.org/handle/20.500.12854/129127
Mô tả vật lý:	288p.
Năm xuất bản:	2019