本書介紹粒子濾波器在Kalman濾波框架下的系統參數辨識與狀態估計機制。本書聚焦的新型濾波器解決了困繞深度學習強非線性模型參數的收斂性訓練、復雜系統隨工況變化的模型參數自適應辨識、聯邦學習框架中各客戶端模型個性化設計、輸入輸出強非線性動態系統參數自適應更新、工業裝備和設備壽命預測等難題。本書對從事信息科學、人工智能、電子信息等領域研究、開發和應用的廣大科技工作者具有一定的參考價值，也適合作為相關專業研究生教材。
文成林，男，1963年4月生，博士(后)，二級教授，博士生指導教師。 1986年河南大學數學系本科畢業留校，直到2004年6月調動到杭州電子科技大學，是該校首任特聘教授；2020年1月調動至廣東石油化工學院任高層人才特聘教授(二層次)。期間分別在：1993年鄭州大學研究生畢業，獲碩士學位；1999年西北工業大學控制理論與控制工程專業畢業，獲工學博士學位；2002年清華大學控制科學與工程博士后流動站出站。主要研究方向：信息融合與目標檢測、故障診斷與主動安全控制、深度學習與優化決策系統、人機混合增強智能與工業認知計算、知識遷移與聯邦學習。近年來，已主持承擔8項國家自然科學基金（3項重點、1項目重大研究計劃），參與承擔4項并組織8項國家自然科學基金重點項目等20余項國家或省部級項目，科研經費3000余萬元。已發表學術論文300余篇，其中有200余篇/次被SCI/EI收錄；出版5部學術專著，教材5部。現為中國電子學會高級會員，中國自動化學會會員，中國自動化學會認知計算與系統專業委員會副主任委員、中國自動化學會粒計算與多尺度分析委員會副主任委員、中國自動化學會過程故障診斷與技術專業委員會委員、中國自動化學會智能控制專業委員會委員、中國智能學會認識與信息處理/智能服務專業委員會唐員。是自動化學報、電子學報和電子與信息學報等期刊編委，曾經多次擔任國際會議的委員或分會主席。已培養碩士學位研究生140余人，博士學位畢業生30余人。是浙江省有突出貢獻中青年專家（2016），省級特聘教授（2013），浙江省"新世紀151人才工程”第一層次（2008），浙江省優秀博士后（2008），浙江省高等學校中青年學科帶頭人（2007），浙江省杰出青年科學基金（2006），杭州電子科技大學特聘教授（2004-2010），河南省"555”人才一層次（2003），河南省杰出青年科學基金（2002），河南創新人才工程培養計劃（2001）。
第一部分 基 礎 篇
第1章 緒論 002
1.1 研究背景及意義 002
1.2 國內外研究現狀 003
1.3 本書主要內容與安排 005
參考文獻 007
第2章 典型的濾波器設計方法 011
2.1 線性高斯系統狀態估計的卡爾曼濾波器設計 011
2.2 非線性高斯系統狀態估計的擴展卡爾曼濾波器設計 017
2.3 非線性高斯系統狀態估計的無跡卡爾曼濾波器設計 026
2.4 一般系統噪聲密度函數下狀態估計的粒子濾波器設計 031
2.5 特征函數及其基本性質 038
參考文獻 047
第二部分 現 代 篇
第3章 線性狀態模型與一維非線性觀測模型的特征函數濾波器 050
3.1 引言與存在問題分析 050
3.2 線性狀態模型與觀測模型組成的非高斯系統描述 051
3.3 非高斯系統狀態估計的特征函數濾波器設計 052
3.4 求解濾波器增益向量的性能指標函數設計 053
3.5 求解濾波器增益向量算法 054
3.6 計算機數值仿真 057
3.7 濾波器性能分析 059
3.8 本章小結與存在問題 060
參考文獻 060
第4章 線性狀態模型與多維非線性觀測模型的特征函數濾波器 063
4.1 引言與存在問題分析 063
4.2 線性狀態模型與多維非線性觀測模型組成的非高斯系統描述 064
4.3 特征函數濾波器設計與目標函數構建 065
4.4 求解特征函數濾波器增益矩陣 067
4.5 計算機數值仿真 069
4.6 本章小結與存在問題 078
參考文獻 078
第三部分 現 在 篇
第5章 弱非線性狀態模型與強非線性觀測模型的特征函數濾波器 080
5.1 引言與存在問題分析 080
5.2 弱非線性狀態模型與強非線性觀測模型系統描述 081
5.3 非線性特征函數濾波器設計 082
5.4 非線性狀態模型的局部線性化 082
5.5 特征函數濾波器增益矩陣求解 084
5.6 計算機數值仿真 088
5.7 本章小結與存在問題 098
參考文獻 098
第6章 非線性狀態模型與強非線性觀測模型的高階擴維特征函數濾波器 099
6.1 引言與存在問題分析 099
6.2 非線性非高斯系統描述 099
6.3 非線性狀態模型的偽線性化表示與隱變量引入 101
6.4 二階多項式隱變量在全維空間中的線性動態系統建模 104
6.5 非線性觀測模型基于二階泰勒展開的等效描述 105
6.6 非線性系統二階擴維特征函數濾波器設計 108
6.7 二階擴維特征函數濾波器的降維實現與性能分析 115
6.8 計算機數值仿真 116
6.9 本章小結與存在問題 119
參考文獻 119
第四部分 未 來 篇
第7章 強非線性復雜系統的一型高階特征函數濾波器設計 122
7.1 引言與存在問題分析 122
7.2 強非線性非高斯系統描述 122
7.3 隱變量引入與強非線性狀態模型的偽線性化表示 124
7.4 隱變量線性狀態動態建模與狀態模型在全維空間中的線性化表示 126
7.5 隱狀態變量引入與強非線性觀測模型在全維空間中的等效表示 128
7.6 求解系統參數變量 的特征函數濾波器設計 131
7.7 求解系統隱狀態變量 的特征函數濾波器設計 135
7.8 求解系統狀態預測誤差變量 的特征函數濾波器設計 141
7.9 原始系統狀態變量 估計值的重構與特征函數濾波器性能分析 144
7.10 本章小結與存在問題 146
參考文獻 146
第8章 強非線性復雜系統的二型高階特征函數濾波器設計 148
8.1 引言與存在問題分析 148
8.2 強非線性非高斯系統描述 148
8.3 強非線性系統的線性化形式描述 149
8.4 基于狀態模型和觀測模型建模誤差雙特征函數的濾波器設計 151
8.5 原始系統狀態估計值的重構與特征函數濾波器性能分析 159
8.6 本章小結與存在問題 161
參考文獻 161
第9章 強非線性復雜系統的三型高階特征函數濾波器設計 162
9.1 引言與存在問題分析 162
9.2 強非線性非高斯系統描述 162
9.3 強非線性系統的線性化形式描述 163
9.4 高階隱變量線性狀態動態建模與濾波器設計條件設置 164
9.5 隱參數變量 和 的特征函數濾波器設計 167
9.6 擴維狀態隱變量 的序貫式特征函數濾波器組設計 170
9.7 系統狀態預測誤差變量 的序貫式特征函數濾波器設計 174
9.8 原始系統狀態變量估計值的重構與濾波器性能分析 182
9.9 本章小結與存在問題 184
參考文獻 184
第五部分 應 用 篇
第10章 多傳感器狀態融合估計的特征函數濾波方法 186
10.1 引言 186
10.2 多傳感器非線性觀測系統描述 187
10.3 基于CFF的集中式融合方法設計 188
10.4 基于CFF的并行式融合方法設計 190
10.5 基于CFF的序貫式融合方法設計 194
10.6 多參數預測誤差模型設計 198
10.7 仿真實驗 199
10.8 本章小結與存在問題 206
參考文獻 207
第11章 極坐標系與直角坐標系混合環境下的目標跟蹤方法 208
11.1 一般線性狀態模型多維非線性系統描述 208
11.2 極坐標系與直角坐標系下的動態系統描述 209
11.3 極坐標系與直角坐標系混合環境下的目標跟蹤案例 210
參考文獻 216
第12章 深度神經網絡模型參數自適應辨識方法 217
12.1 引言 217
12.2 神經網絡參數常用更新方法 218
12.3 基于CFF的神經網絡參數更新方法 223
12.4 稀疏神經網絡模型設計 231
12.5 計算機數值仿真實驗 233
12.6 本章小結 235
參考文獻 235
第13章 設備壽命預測系統參數在線辨識方法 238
13.1 引言 238
13.2 鋰電池充放電動態過程建模 239
13.3 電池SOC估計的高階項擴維建模 241
13.4 仿真實驗 245
13.5 本章小結 246
參考文獻 247
第14章 超非線性輸入輸出系統參數在線辨識方法 249
14.1 引言 249
14.2 非線性輸入輸出系統描述 250
14.3 非線性輸入輸出系統的狀態與觀測動態特性建模 250
14.4 基于EKF的非線性輸入輸出系統參數辨識方法 251
14.5 基于CFF的非線性輸入輸出系統參數辨識方法 252
14.6 計算機數值仿真實驗 257
參考文獻 263
新書資訊