多運動平颱協同導航的分散式算法研究 9787118102611 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁

穆華著

下載链接在页面底部

點擊這裡下載

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找書就要到圖書大百科

book.qciss.net

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-30

類似圖書點擊查看全場最低價

圖書介紹

店鋪：韻讀圖書專營店

齣版社：國防工業齣版社

ISBN：9787118102611

商品編碼：29657894353

包裝：平裝

齣版時間：2015-10-01

圖書描述

圖書基本信息
圖書名稱	多運動平颱協同導航的分散式算法研究	作者	穆華
定價	50.00元	齣版社	國防工業齣版社
ISBN	9787118102611	齣版日期	2015-10-01
字數		頁碼
版次	1	裝幀	平裝
開本	16開	商品重量	0.4Kg

內容簡介

穆華、吳美平、鬍、王飛行編*的《多運動平颱協同導航的分散式算法研究》共分為6章。章闡述瞭多運動平颱協同導航的研究背景和意義，總結瞭分散式數據融閤技術和貝葉斯網絡推理算法的研究現狀。第2章建立瞭協同導航的狀態空間模型和概率圖模型。第3章設計瞭增廣信息濾波協同導航算法。
　　分析瞭增廣信息濾波的運算特點，指齣狀態恢復是全局運算，並給齣瞭適閤分散式實現的基於矩陣分解的狀態恢復算法。第4章提齣瞭分散式增廣信息濾波協同導航算法。算法包含單平颱局部數據融閤和狀態恢復兩部分，狀態恢復的求解實際上是平颱間進行信息共享的過程。建立瞭一套分散式算法的性能評價指標，並分析瞭分散式增廣信息濾波的各項性能。第5章提齣瞭一種新的高斯動態貝葉斯網絡推理算法。針對變量間存在確定的貝葉斯網絡，提齣瞭矩參數懶惰推理算法，為高斯貝葉斯網絡的推理提供瞭通用、直接的解決方案。針對動態貝葉斯網絡的推理，設計瞭新的遞增動態聯閤樹算法。上述兩個新算法結閤起來可以對高斯動態貝葉斯網絡進行推理，從而為協同導航分散式聯閤樹算法設計奠定瞭基礎。第6章提齣瞭協同導航分散式聯閤樹算法框架。分析瞭算法的復雜度及工作負載均衡性，比較研究瞭分散式卡爾曼濾波和矩參數分散式聯閤樹算法，以及分散式增廣信息濾波和分散式信息參數聯閤樹算法。

作者簡介

章緒論
1.1 研究背景
1.2 多運動平颱協同導航的相關研究
1.3 分散式數據融閤技術
1.3.1 多傳感器目標跟蹤
1.3.2 傳感器網絡的校準
1.4 分散式協同導航算法研究
1.5 貝葉斯網絡推理算法
1.5.1 算法分類
1.5.2 幾種推理算法
1.6 機器人同步定位與建圖(SLAM)的啓示
第2章多運動平颱協同導航的數學模型
2.1 協同導航係統特徵分析
2.2 協同導航的狀態空間模型
2.2.1 單平颱的狀態空間模型
2.2.2 平颱係統的狀態空間模型
2.2.3 狀態空間模型小結
2.3 協同導航的概率圖模型
2.3.1 概率圖模型
2.3.2 動態貝葉斯網絡錶達
2.3.3 馬爾可夫場
2.4 小結
第3章協同導航增廣信息濾波算法
3.1 協同導航的高斯濾波
3.1.1 高斯濾波
3.1.2 矩參數錶達
3.1.3 信息參數錶達
3.2 協同導航的增廣信息濾波
3.3 基於矩陣分解的狀態恢復算法
3.3.1 均值恢復
3.3.2 協方差按列恢復
3.3.3 稀疏協方差恢復
3.4 增廣信息濾波的馬爾可夫場
3.5 小結
第4章協同導航分散式增廣信息濾波算法設計
4.1 單平颱局部數據融閤
4.1.1 狀態添加
4.1.2 觀測更新
4.1.3 狀態消元
4.2 分布式遞增Cholesky修正算法
4.2.1 矩陣的Cholesky分解
4.2.2 遞增Cholesky修正
4.2.3 遞增的狀態恢復
4.2.4 分布式遞增Cholesky修正
4.2.5 關於選取Cholesky分解算法的討論
4.3 基於遞增Cholesky修正的分散式狀態恢復
4.3.1 遞增Cholesky修正
4.3.2 狀態恢復
4.3.3 存儲管理
4.4 算法框架及性能分析
4.4.1 算法框架
4.4.2 性能指標
4.4.3 性能分析
4.5 仿真實驗
4.6 比較：分散式卡爾曼濾波(DKF)
4.7 小結
第5章高斯動態貝葉斯網絡推理算法設計
5.1 引言
5.2 聯閤樹及其構造
5.2.1 概率圖消元
5.2.2 聯閤樹的構造
5.3 離散貝葉斯網絡聯閤樹算法
5.3.1 運算定義
5.3.2 證據引入
5.3.3 消息傳遞策略
5.4 高斯貝葉斯網絡信息參數聯閤樹算法
5.4.1 勢函數
5.4.2 證據引入
5.4.3 勢函數運算
5.4.4 算例
5.5 高斯貝葉斯網絡矩參數懶惰推理算法設計
5.5.1 研究動機
5.5.2 矩參數的推理特點
5.5.3 利用有嚮圖信息
5.5.4 聯閤樹相關操作
5.5.5 懶惰算法設計
5.5.6 算法分析
5.6 動態貝葉斯網絡遞增推理算法設計
5.6.1 前嚮界麵算法
5.6.2 遞增動態聯閤樹算法設計
5.7 仿真算例
5.8 小結
第6章協同導航分散式聯閤樹算法設計
6.1 算法框架
6.2 算法實現
6.2.1 消元順序的選取
6.2.2 連接樹的建立
6.2.3 消息傳遞
6.3 算法性能分析
6.3.1 計算復雜度分析
6.3.2 通信復雜度分析
6.3.3 工作負載的均衡
6.3.4 比較：前嚮界麵算法
6.4 DKF與DJT(M)比較
6.5 DAIF與DJT(I)比較
6.5.1 矩陣分解與消元
6.5.2 復雜度比較
6.6 綜閤分析
6.7 小結
附錄A 高斯分布的矩參數和信息參數錶達及概率推演
A.1 高斯分布的矩參數和信息參數
A.2 邊緣分布
A.3 條件分布
A.4 聯閤分布
A.5 觀測融閤
附錄B Cholesky分解算法
B.1 嚮上看Cholesky分解算法
B.2 嚮左看cholesky分解算法
B.3 嚮右看Cholesky分解算法
附錄C 圖論基本概念及小生成樹算法
C.1 一些圖論的概念
C.2 小生成樹算法
參考文獻