多尺度动态建模理论及其应用
点此进入淘宝搜索页搜索分類: 图书,自然科学,总论,
作者： 文成林著
出 版 社： 科学出版社
出版时间： 2008-1-1字数： 512000版次： 1页数： 406印刷时间： 2008/01/01开本： 16开印次： 1纸张： 胶版纸I S B N ： 9787030201065包装： 平装编辑推荐
本书是撰写多尺度系统理论新成果、新进展和新趋势的一本学术著作，主要汇集了作者们近年来在小波滤波、多传感器数据融合、多尺度系统理论、多尺度随机建模及目标状态估计、数据融合中的应用等方面的研究成果，同时也介绍了近年来在多尺度系统理论研究领域的一些基本原理和主要方法。对该领域的研究和应用起到一定的推动作用。
内容简介
本书是关于多尺度动态建模理论及其应用的一本专著，主要汇集了作者近年来在小波滤波、多传感器数据融合、多尺度系统理论、多尺度动态建模及目标状态估计等方面的研究成果，同时也介绍了近年来在多尺度系统理论研究领域的一些基本原理和主要方法。本书涉及的理论和方法有：多尺度系统理论与多尺度建模方法，时间序列分析的多尺度方法，小波与Kalman滤波的多尺度联合估计方法，动态过程的多尺度表示方法、建模与数据融合方法，多传感器数据融合与线性逆问题求解的多尺度方法，经验模式分解边界问题的多尺度方法，过程监制与安全检测的多尺度数据融合方法，多尺度模型预测控制方法，多速率系统的多模式设计方法等。
本书可作为信息科学专业研究生的教学参考书，同时对从事多尺度动态建模理论及其应用技术研究、开发和应用的科技人员也具有一定的参考价值。
作者简介
文成林，1963年生，博士（后），教授，博士生指导教师。1999年于西北工业大学控制理论与控制工程专业获工学博士学位，2002年从清华大学控制科学与工程学科博士后流动站出站。近年来，发表学术论文100余篇，其中有60余篇／次被SCI、EI或ISTP等国际三大检索收录；主持国家自然科学基金重点项目（1项，联合）、国家自然科学基金（4项）、教育部科学技术重点研究项目、河南省杰出青年科学基金、浙江省自然科学杰出青年团队项目等20余项；出版学术专著3部。主要研究方向：多尺度系统建模、估计与多源信息融合，现代控制系统的多模式设计与估计，多模态安全检测与故障诊断，随机集理论及其应用等。
目录
前言
第1章 绪论
1.1 多尺度系统理论研究基本思想
1.2 多尺度系统理论的广泛应用
1.2.1 海平面估计
1.2.2 表面重构
1.2.3 图像去噪
1.2.4 纹理分割
1.2.5 图像分割
1.2.6 多传感器融合在地下水文学中的应用
1.2.7 图像重构和逆问题
1.3 多尺度建模与多尺度数据融合
小结
参考文献
第2章 小波分析理论基础
2.1 快速Fourier变换
2.2 小波变换
2.2.1 连续小波变换
2.2.2 离散栅格下的小波变换
2.2.3 几种母小波
2.3 小波框架
2.3.1 框架
2.3.2 Riesz基与正交基
2.3.3 小波框架
2.4 多尺度分析
2.4.1 多尺度分析的定义及基本性质
2.4.2 正交小波的性质
2.4.3 Mallat算法
2.5 小波包
2.5.1 小波包分解的思想
2.5.2 小波包定义与性质
2.6 q带正交小波
2.7 n维信号的多尺度分析
小结
参考文献
第3章 状态估计理论基础
3.1 最优估计的基本概念
3.1.1 估计、最优估计和最优估计方法
3.1.2 最小方差估计
3.1.3 极大似然估计
3.1.4 极大验后估计
3.1.5 线性最小方差估计
3.1.6 最小二乘估计
3.2 Kalman滤波基本理论
3.2.1 引言
3.2.2 滤波问题的提出
3.2.3 预备知识
3.2.4 离散系统Kalman最优预测基本方程
3.2.5 离散系统Kalman最优滤波基本方程
3.2.6 离散系统Kalman最优平滑基本方程
3.2.7 系统噪声或观测噪声是有色噪声的Kalman滤波
3.2.8 扩展的Kalman滤波方程
3.2.9 离散强跟踪滤波基本介绍
3.3 几种常用的多传感器数据融合方法
3.3.1 引言
3.3.2 同采样率同时采样的多传感器集中式融合算法
3.3.3 同采样率同步采的多传感器贯序式数据融合算法（FAFSS）
3.3.4 同采样率同时采样的多传感器分布式融合算法
小结
参考文献
第4章 多尺度系统理论
4.1 引言
4.2 多尺度表示和系统
4.3 系统理论和实现
4.3.1 定义在树上的系统
……
第5章 时间序列分析的多尺度方法
第6章 动态系统基于小波与Kalman滤波的多尺度联合估计
第7章 动态过程的多尺度表示方法、建模与数据融合
第8章 线性逆问题求解的多传感器多尺度数据融合方法
第9章 多尺度随机建模与多尺度数据融合估计
第10章 一类时间序列多尺度预报新方法
第11章 过程监制与安全检测的多尺度数据融合方法
第12章 多尺度模型预测控制
第13章 多速率系统的多模式设计方法
书摘插图
第1章 绪论
在自然界和工程实践中，许多现象和过程都具有多尺度特征或多尺度效应，同时，人们对现象或过程的观察／测量往往也是在不同尺度／分辨率上进行的，因此，用多尺度系统理论来描述、分析这些现象或过程是十分自然的，它能够很好地表现这些现象或过程的本质特征。此外，在解决许多实际问题时，多尺度方法具有思路清晰、简洁和计算复杂度低等优点。所以，近年来它已受到许多学科领域内众多科学工作者的高度重视，并在学术界掀起了多尺度系统理论及应用研究的高潮〔1，2〕。
多尺度系统理论是在信号的多尺度表示理论基础上建立起来的，而多尺度／多分辨率现象在控制系统和信号处理等很多领域中广泛存在〔1，2〕。在信号的多尺度表示和现象的多尺度建模等方面，以MIT的A．S．Willsky教授为首的研究小组做了一系列创造性工作〔1〕，由于其方法对信号的时间和尺度分解呈现出一种自然方式，而一些应用实例也表明，基于这种表示可以建立起有效的、最优的信息处理算法。
1.1 多尺度系统理论研究基本思想
作为统计分析现象和数据的概念和方法，多尺度一直受到了各门学科的广泛关注〔n，2〕，而这正是由于多尺度具有非凡的活跃能力以及丰富的表现形式。本节将致力于介绍具有广泛理论意义和应用价值的多尺度建模与多尺度数据融合这一重要分支的发展过程及研究现状，将为理解对过程或现象进行多尺度分析和处理提供一个非常有用的平台。在分析和处理不同尺度上的现象或过程时，不仅需要建立像使用小波变换来产生信号在不同尺度上的分解一样的多尺度算法，而且还需要建立起以尺度为变量的多尺度动态模型。这就像在时间序列或随机场中建模所采用的方法一样，主要的工作是构造统计模型，并要求模型框架需满足能够适用于广泛的自然现象、具有获取这些现象和构造强有力算法的功能、为精确分析何时采用这些模型以及执行算法提供统计工具等基本条件。
……
