《先进滤波方法及其在导航中的应用》是作者课题组多年来的教学和科研成果的总结，主要介绍了线性系统的卡尔曼滤波和非线性系统的扩展卡尔曼滤波、Unscented卡尔曼滤波等滤波方法和这些滤波方法在INS初始对准、GPS动态滤波、GPS/INS组合导航以及GPS/INS/CNS组合导航中的应用。

《先进滤波方法及其在导航中的应用》既可作为从事导航与制导技术研究的工程技术人员的参考书，也可作为高等学校相关专业研究生和高年级本科生的教材或教学参考书。

第1章 绪论

1．1 滤波的作用

1．2 卡尔曼滤波的发展历史

1．3 卡尔曼滤波理论在导航中的应用

1．4 状态模型和量测模型

1．5 数学基础

参考文献

第2章 线性系统的卡尔曼滤波

2．1 估计和最优估计

2．1．1 估计

2．1．2 最小二乘估计

2．1．3 最小方差估计

2．2 线性离散系统卡尔曼滤波

2．2．1 离散型卡尔曼滤波的基本方程

2．2．2 线性离散系统卡尔曼滤波的推导

2．2．3 离散型卡尔曼滤波的使用要点

2．3 连续系统卡尔曼滤波方程

2．4 卡尔曼滤波的推广

第3章 非线性系统的滤波方法

3．1 随机非线性系统的数学描述

3．2 扩展卡尔曼滤波方法

3．2．1 围绕标称轨迹线性化的卡尔曼滤波方法

3．2．2 围绕最优状态估计值线性化的卡尔曼滤波方程

3．3 Sigma点卡尔曼滤波方法

3．3．1 Unscented卡尔曼滤波

3．3．2 中心差分卡尔曼滤波

3．3．3 容积卡尔曼滤波

3．4 粒子滤波方法

3．4．1 粒子滤波的采样方法

3．4．2 标准粒子滤波算法

3．4．3 Unscented粒子滤波算法

参考文献

第4章 导航系统中的卡尔曼滤波方法

4．1 卡尔曼滤波在惯性导航初始对准中的应用

4．1．1 初始对准的原理及分类

4．1．2 初始对准的发展与研究现状

4．1．3 静基座解析粗对准方法

4．1．4 抗扰动解析粗对准方法

4．1．5 最优双位置解析初始对准方法

4．1．6 任意双位置现场解析测漂及迭代对准

4．1．7 惯性导航系统精对准方法

4．2 卡尔曼滤波在卫星导航系统中的应用

4．2．1 卫星导航系统定位基本原理与定位误差

4．2．2 运动栽体动态模型的建立

4．2．3 基于卡尔曼滤波的GNSS动态定位

4．3 卡尔曼滤波在天文导航系统中的应用

4．3．1 航天器天文导航的基本原理

4．3．2 基于轨道动力学的航天器天文导航滤波方法

4．3．3 滤波方法在天文导航中的应用

4．3．4 系统模型噪声方差阵对滤波性能的影响

参考文献

第5章 卡尔曼滤波在组合导航系统中的应用

5．1 捷联惯性／卫星组合导航技术

5．1．1 惯性／卫星组合导航原理

5．1．2 惯性／卫星组合导航的建模方法

5．1．3 基于卡尔曼滤波和平滑的惯性／卫星组合导航方法与仿真

5．1．4 基于非线性UKF平滑的惯性／卫星组合导航方法与试验

5．2 惯性／天文／卫星组合导航技术

5．2．1 惯性／天文／卫星组合导航原理

5．2．2 惯性／天文／卫星组合导航系统建模方法

5．2．3 基于联邦滤波的惯性／天文／卫星组合导航方法与仿真

参考文献 2100433B

《混沌系统与混沌电路:原理、设计及其在通信中的应用》分基础篇和应用篇两大部分，共33章。基础篇包括第1～9章，应用篇包括第10～33章。全书从基本内容划分，也可以概括为三部分。第一部分为第1～9章，包括混沌的基本概念及研究内容与方法，离散动力系统初步，抛物线映射，常微分方程基本理论，马蹄映射、Shilnikov定理与Melnikov方法简介，连续时间混沌系统，混沌吸引子的刻画，分形与分维，几种混沌同步方案与混沌保密通信制式。第二部分为第10～26章，包括连续时间混沌系统的离散化及其算法，混沌基本单元与非线性函数产生电路，混沌电路的模块化设计，多涡卷与多翅膀混沌系统的理论设计与建模方法，三阶和四阶多涡卷Chua电路，用多项式产生三涡卷Chua电路，正余弦倍角与分段函数法的多涡卷变形Chua，电路，网格多涡卷Chua电路，超混沌多涡卷MCK系统，多折叠环面系统，多方向分布网格多环面系统，多涡卷广义Jerk电路，多方向分布网格多涡卷混沌电路，环状多翅膀广义Lorenz系统族，嵌套多翅膀广义。Lorenz系统族，四阶Colpitts混沌振荡器，一个五阶超混沌电路。第三部分为第27～33章，包括混沌模拟通信系统，用DSP技术产生混沌信号与实现混沌数字通信，DSP技术平台的混沌无线数字通信，用FPGA的DSPBLJILDER技术产生混沌信号。IEEE——754标准与FPGA技术的混沌产生器及混沌数字通信，FPGA嵌入式以太网传输数字图像混沌保密通信。

《混沌系统与混沌电路:原理、设计及其在通信中的应用》的基础篇可作为电路与系统专业或相关专业的研究生教材或教学参考书，应用篇可供自然科学和工程技术领域中的高校教师和研究人员参考。

第1章绪论1

1.1粒子滤波的发展和应用2

1.2视频目标的检测与跟踪5

1.2.1跟踪目标的视觉特征5

1.2.2常用的视频目标检测方法7

1.2.3常用的视频目标跟踪方法10

1.2.4视频目标跟踪的应用14

1.3粒子滤波在视频目标跟踪中的应用15

1.3.1基于粒子滤波的视频目标跟踪研究现状15

1.3.2基于粒子滤波的视觉跟踪的难点16

1.4基于微分流形粒子滤波的视频跟踪研究18

1.5主要的公共视频数据库20

1.6本书的主要工作22

第2章视频目标的检测与特征提取25

2.1引言25

2.2运动目标检测方法25

2.2.1光流计算法25

2.2.2背景消减法27

2.2.3帧间差分法27

2.3运动目标的特征提取28

2.3.1颜色特征提取28

2.3.2纹理特征提取32

2.3.3运动边缘特征提取34

第3章目标的表观模型35

3.1模板35

3.2活动轮廓模型36

3.3直方图 36

3.3.1直方图密度估计37

3.3.2空间直方图38

3.3.3加权颜色直方图39

3.4核密度估计 40

3.5混合高斯模型41

3.5.1混合高斯模型的数学描述41

3.5.2背景模型的更新43

第4章基于粒子滤波算法的视频目标跟踪45

4.1贝叶斯估计理论45

4.1.1动态系统的状态模型45

4.1.2贝叶斯定理46

4.1.3贝叶斯滤波47

4.1.4蒙特卡罗方法48

4.1.5序贯重要性采样49

4.1.6重采样技术51

4.2粒子滤波算法52

4.2.1标准粒子滤波算法53

4.2.2标准粒子滤波的缺点54

4.2.3各种改进的粒子滤波算法58

4.3基于粒子滤波的视频目标跟踪方法 61

4.3.1概率跟踪方法的数学描述61

4.3.2粒子滤波视频跟踪的状态模型62

4.3.3粒子滤波视频跟踪的观测模型63

4.3.4粒子滤波跟踪实验结果与分析65

第5章基于Mean Shift的粒子滤波跟踪69

5.1Mean Shift概述69

5.2Mean Shift基本理论及其扩展形式70

5.2.1Mean Shift向量70

5.2.2扩展Mean Shift71

5.2.3概率密度梯度73

5.3基本Mean Shift算法74

5.4Mean Shift在目标跟踪中的应用75

5.4.1目标描述和匹配准则75

5.4.2Mean Shift跟踪77

5.4.3跟踪算法流程78

5.5嵌入Mean Shift算法的粒子滤波视频目标跟踪78

5.5.1系统动态模型的设计79

5.5.2系统观测模型的设计79

5.5.3目标定位80

5.5.4Mean Shift粒子聚类80

5.6实验及分析82

第6章基于自适应流形粒子滤波算法的红外小目标跟踪84

6.1红外小目标检测和跟踪方法概述85

6.1.1红外小目标跟踪技术85

6.1.2红外小目标检测技术86

6.2复杂背景下红外小目标图像的预处理算法87

6.2.1红外图像的组成87

6.2.2频域高通滤波法88

6.2.3低通滤波器88

6.2.4中值滤波89

6.2.5基于数学形态学滤波的红外图像预处理89

6.2.6红外图像预处理仿真实验92

6.3基于自适应粒子滤波算法的红外小目标跟踪96

6.3.1基于粒子滤波算法的红外目标跟踪步骤97

6.3.2基于自适应粒子滤波算法的红外小目标跟踪98

6.4[ZK(]基于自适应流形粒子滤波的制导红外小目标跟踪方法[ZK)]107

6.4.1流形基础知识108

6.4.2基于自适应流形粒子滤波的红外小目标跟踪方法109

第7章基于流形聚类粒子滤波算法的视频目标跟踪118

7.1聚类算法119

7.1.1聚类的定义119

7.1.2聚类算法的分类120

7.2最大模糊熵高斯聚类粒子滤波算法(iMCPF)121

7.2.1最大模糊熵高斯聚类121

7.2.2最大模糊熵高斯聚类粒子滤波算法步骤122

7.3粒子稀疏化聚类123

7.3.1粒子稀疏化聚合重采样123

7.3.2粒子交叉聚合124

7.4双重采样自适应粒子滤波算法(DRPF)124

7.4.1基于观测新息的重采样分布方案124

7.4.2双重采样自适应粒子滤波算法步骤125

7.5仿真实验及分析127

7.5.1DR/GPS组合系统模型127

7.5.2仿真实验及结果分析 127

7.6流形学习聚类粒子滤波算法131

7.6.1流形学习 132

7.6.2拉普拉斯特征映射134

7.6.3局部线性嵌入算法134

7.6.4增量式LLE聚类粒子滤波(ILLEDRPF)算法138

7.6.5仿真实验及分析140

7.7流形聚类粒子滤波算法142

7.7.1流形聚类142

7.7.2流形聚类方法144

7.7.3几何能量聚类145

7.7.4Grassmann流形粒子滤波148

7.7.5基于几何能量的流形聚类粒子滤波149

7.7.6仿真实验及分析150

第8章基于李群粒子滤波算法的视频目标跟踪156

8.1流形156

8.1.1流形的定义156

8.1.2流形的距离157

8.2李群流形理论基础158

8.2.1李群和李代数158

8.2.2李群指数映射158

8.2.3李群几何优化159

8.3李群结构的矩阵协方差描述160

8.3.1目标图像多特征提取160

8.3.2协方差的相似度匹配162

8.4李群流形上的粒子滤波算法162

8.4.1将射影变换表示为李群162

8.4.2李群状态模型163

8.4.3李群观测模型164

8.5李群粒子滤波算法流程165

8.6实验结果与分析166

第9章基于李群最优重要性函数粒子滤波算法的视频目标跟踪172

9.1最优重要性密度函数172

9.2基于流形建议分布的粒子滤波器173

9.2.1基于Stiefel流形的粒子滤波器174

9.2.2基于黎曼流形的粒子滤波174

9.3黎曼均值174

9.3.1基于黎曼度量的正定对称阵175

9.3.2改进李群结构的黎曼流形175

9.4李群正态分布175

9.4.1李群上的不变度量和测地线176

9.4.2李群协方差矩阵算法176

9.4.3基于李群指数映射的正态分布177

9.5基于李群正态分布的粒子滤波算法178

9.6实验结果与分析178

参考文献183