业务财务一体化：基于统计模型的实时跟踪与Kalman滤波

"当前统计模型-设计院如何构建“业务财务一体化”管理体系，Kalman滤波器理论与应用-基于MATLAB实现" 当前统计模型，由周宏仁在1983年提出，是对Singer模型的改进。这个模型强调了在目标动态机动时，其加速度的预测值为非零的当前加速度，即加速度的均值 a 为不等于零的值，并且它的时间变化符合一阶相关过程。模型还引入了修正的瑞利分布，代替Singer模型中的均匀分布来描述加速度的统计特性。这种改进使得模型更贴近实际目标运动的特性，通过实时计算机动加速度的均值，能够动态调整滤波增益，实现闭环自适应跟踪。模型的数学表达式包括加速度模型（7-30）和加速度的更新模型（7-31），其中 ( )a t 表示机动加速度的“当前”均值。 Kalman滤波器是一种优化的数据融合算法，广泛应用于各种实时跟踪系统，如在RFID系统的跟踪应用中。《Kalman滤波器理论与应用-基于MATLAB实现》这本书深入探讨了Kalman滤波器的基本原理、推导方法以及实际应用，包括基本的Kalman滤波器、扩展Kalman滤波器和不敏Kalman滤波器。作者金学波结合了自己多年的研究成果，提出了根据目标运动特征自调整参数的“自适应动力学模型”，并对不敏变换的性能进行了分析。书中还特别关注了在RFID系统中的测量方程和仿真平台，为读者提供了丰富的实践案例和MATLAB源代码。 该书不仅适合自动化、电子信息、计算机应用、控制科学与工程、信号处理、导航与制导等专业的高年级本科生和研究生作为教材，同时也非常适合相关领域的工程技术人员和研究人员参考。通过学习本书，读者不仅可以掌握Kalman滤波器的基本理论，还能学会如何利用MATLAB实现这些滤波器，以解决实际问题。