Introduction to Optimal Estimation

این کتاب که از مجموعه‌ای از یادداشت‌های سخنرانی پروفسور کامن تهیه شده است، و پس از گسترش و اصلاح توسط هر دو نویسنده، یک مطالعه مقدماتی و در عین حال جامع در زمینه آن است. این شامل نمونه هایی است که از MATLAB^® استفاده می کنند و بسیاری از مشکلات مورد بحث نیاز به استفاده از MATLAB^® دارند. هدف اولیه ارائه پوشش گسترده ای از فیلتر وینر و کالمن همراه با توسعه تخمین حداقل مربعات، تخمین حداکثر احتمال و تخمین پسینی بر اساس اندازه گیری های زمان گسسته است. در مطالعه این تکنیک‌های تخمین، تأکید زیادی بر چگونگی ارتباط متقابل و تناسب آنها برای تشکیل یک توسعه سیستماتیک از تخمین بهینه وجود دارد. همچنین در متن، فصلی در مورد فیلتر غیرخطی، با تمرکز بر فیلتر کالمن توسعه یافته و برآوردگر غیرخطی که اخیراً بر اساس یک نسخه بلوکی از الگوریتم لونبرگ-مارکوادت ساخته شده است، وجود دارد.

This book, developed from a set of lecture notes by Professor Kamen, and since expanded and refined by both authors, is an introductory yet comprehensive study of its field. It contains examples that use MATLAB^® and many of the problems discussed require the use of MATLAB^®. The primary objective is to provide students with an extensive coverage of Wiener and Kalman filtering along with the development of least squares estimation, maximum likelihood estimation and a posteriori estimation, based on discrete-time measurements. In the study of these estimation techniques there is strong emphasis on how they interrelate and fit together to form a systematic development of optimal estimation. Also included in the text is a chapter on nonlinear filtering, focusing on the extended Kalman filter and a recently-developed nonlinear estimator based on a block-form version of the Levenberg-Marquadt Algorithm.