Chui，Charles K。;陈冠荣 卡尔曼滤波。具有实时应用。第5版。 （英语） Zbl 1416.93001号 商会：施普林格出版社（ISBN 978-3-319-47610-0/hbk；978-3-319-47612-4/ebook）。十八、247页。(2017). 这本书的新版（以及之前的所有版本）提出了滤波方程的一个非常基本的推导。为此，第一章介绍了矩阵理论、行列式、概率和最小二乘法的初步结果，以确保本文是独立的。第二章对卡尔曼滤波算法进行了最基本的介绍。利用所有可用的数据信息，基于具有最佳权重的状态向量的最小二乘无偏估计的最优性准则，导出了卡尔曼滤波“预测-校正”算法。第2章中讨论的最佳卡尔曼滤波过程推导的基本方法的优点是，状态向量的最佳估计很容易理解为最小二乘估计，其性质是（i）从数据中产生最佳估计的变换是线性的，（ii）最优估计是无偏的，并且（iii）它产生最小方差估计。这种初等方法的缺点是必须假设某些矩阵是非奇异的。在第三章中，作者去掉了非奇异性假设，对卡尔曼滤波算法进行了严格推导。第4章致力于研究涉及相关系统和测量噪声的模型的卡尔曼滤波，而第5章的研究扩展到了有色噪声过程。其他主题包括时不变系统的极限或稳态卡尔曼滤波（第6章）、非线性系统的扩展卡尔曼滤波和不确定系统的区间卡尔曼滤波。第11章介绍了小波卡尔曼滤波技术，它是多通道信号处理（估计或滤波）和多分辨率信号分析的有用工具。该技术是通过使用小波的基于滤波器组的卡尔曼滤波方法同时估计和分解随机信号来引入的。在新的第12章中，研究了由大量地理分布的传感器节点组成的资源有限的无线传感器网络上的分布式状态估计问题，每个传感器都能够测量某些感兴趣的参数，例如温度、湿度或车辆的位置和速度。通过最小化相应的均方估计误差，为每个传感器设计了最佳估计器。推导了估计误差协方差的上下界。本书适合自学，也适用于应用数学或工程专业高年级本科生或一年级研究生的四分之一或一学期卡尔曼滤波理论入门课程。每一章都包含各种练习，说明了某些相关的观点，提高了对材料的理解，或者填补了文本中一些证据的空白。答案和提示在课文末尾给出。这本新书是为了纪念鲁道夫·卡尔曼（Rudolf E.Kalman，1930年5月19日至2016年7月2日）而出版的，我们对此深表敬意和钦佩。鲁道夫·卡尔曼（Rudolf E.Kalman）是第一个为线性随机动态模型引入离散时间Riccati方程并推导出相应估计器的最优线性反馈增益的人。这一创新的重要性在于，它能够实时计算最优估计器，因此产生了著名的“卡尔曼滤波器”，这是本书的核心内容。鲁道夫·卡尔曼（Rudolf E.Kalman）还通过引入状态空间框架和定义系统可控性和可观测性的基本概念，以及他对科学技术的许多其他重要贡献，开创了现代系统和控制理论。附言：历史评论。为了阐明系统分析理论和方法的发展历史，有必要提及1957年著名数学家尤里吉·马卡罗维奇·别列赞斯基（1925年5月8日至2019年6月7日）写了一份40页的报告（秘密，1998年解密）“研究R-12导弹（苏联第一枚使用完全自主惯性制导系统的战略导弹）在飞行主动阶段的运动稳定性”，其中他描述了动力系统的稳定性（可控性）准则，类似于卡尔曼可控性准则。注：更多实用结果和参考，请参阅M.S.格雷瓦尔和A.P.安德鲁斯，[卡尔曼滤波。MATLAB理论与实践。第四版，新泽西州霍博肯：John Wiley&Sons（2015；Zbl 1322.93001号)]和B.P.吉布斯【《高级卡尔曼滤波、最小二乘法和建模：实用手册》，新泽西州霍博肯：John Wiley&Sons，Inc.（2011）】。审核人：Mikhail P.Moklyachuk（基辅） 引用于1审查引用于10文件 MSC公司： 93-02 与系统和控制理论相关的研究展览（专著、调查文章） 93E11号机组 随机控制理论中的滤波 93E12号机组 随机控制理论中的辨识 93E20型 最优随机控制 关键词：卡尔曼滤波;实时应用程序;系统标识;相关系统;测量噪声过程;解耦滤波方程;小波卡尔曼滤波 引文：Zbl 1322.93001号 软件：Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{C.K.Chui}和\textit{G.Chen}，卡尔曼滤波。具有实时应用程序。第5版。查姆：斯普林格（2017；Zbl 1416.93001） 全文： 内政部