برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Kalman filtering : theory and practice using MATLAB

دانلود کتاب فیلتر کالمان: تئوری و عمل با استفاده از MATLAB

مشخصات کتاب

Kalman filtering : theory and practice using MATLAB

ویرایش:  
نویسندگان: Mohinder S Grewal,  Angus P Andrews  
سری:  
ISBN (شابک) : 0471392545, 9780471392545 
ناشر: Wiley 
سال نشر: 2001 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 50,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 7

در صورت تبدیل فایل کتاب Kalman filtering : theory and practice using MATLAB به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب فیلتر کالمان: تئوری و عمل با استفاده از MATLAB نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب فیلتر کالمان: تئوری و عمل با استفاده از MATLAB

"... یک اثر مگنوم معتبر ارزشی بسیار بیشتر از وزن آن در طلا دارد!" - IEEE Transactions on Automatic Control، از بررسی نسخه اول "بهترین کتابی که در موضوع فیلتر کالمن دیده ام ... خواندن کتاب‌های دیگر درباره فیلترهای کالمن و نه این کتاب، می‌توانند شما را به یک مهندس فیلتر کالمن بسیار خطرناک تبدیل کنند."-Amazon.com، از بررسی نسخه اول در این مقدمه عملی بر نظریه و کاربردهای فیلتر کالمن، نویسندگان گروال و اندروز از آنها استفاده می‌کنند. دهه‌ها تجربه برای ارائه یک بررسی عمیق از ظرافت‌ها، مشکلات رایج و محدودیت‌های نظریه تخمین همانطور که در موقعیت‌های دنیای واقعی اعمال می‌شود. آنها نمونه های گویا بسیاری را ارائه می دهند که از مجموعه ای از مناطق کاربردی از جمله INS به کمک GPS، مدل سازی ژیروسکوپ ها و شتاب سنج ها، ناوبری اینرسی و کنترل ترافیک آزادراه ها استخراج شده اند. علاوه بر این، آنها درس‌های سخت به دست آمده و روش‌های اصلی برای طراحی، پیاده‌سازی، اعتبارسنجی و بهبود فیلترهای کالمن را به اشتراک می‌گذارند، از جمله تکنیک‌هایی برای: * نمایش مسئله در یک مدل ریاضی * تجزیه و تحلیل عملکرد برآوردگر به عنوان تابعی از پارامترهای مدل. * پیاده سازی معادلات مکانیزاسیون در الگوریتم های عددی پایدار * ارزیابی نیازمندی های محاسباتی * تست اعتبار نتایج * نظارت بر عملکرد فیلتر در عملکرد به عنوان بهترین راه برای درک و تسلط بر یک فناوری، مشاهده آن در عمل است، فیلتر کالمن: تئوری و عمل با استفاده از متلب. (r)، نسخه دوم شامل نرم‌افزار همراه در MATLAB(r) است که به کاربران این امکان را می‌دهد تا کارکرد فیلتر و محدودیت‌های آن را تجربه کنند. این نسخه به روز شده و اصلاح شده راهنمای کلاسیک گروال و اندروز یک منبع کاری ضروری برای مهندسان و دانشمندان کامپیوتری است که در طراحی سیستم های هوافضا و هوانوردی، موقعیت یابی جهانی و سیستم های ردیابی رادار، سیستم های قدرت و ابزار دقیق زیست پزشکی دخیل هستند. یک کتابچه راهنمای مربی که راه‌حل‌های دقیقی را برای تمام مشکلات کتاب ارائه می‌کند از بخش تحریریه Wiley در دسترس است.

توضیحاتی درمورد کتاب به خارجی

". . . an authentic magnum opus worth much more than its weight in gold!"-IEEE Transactions on Automatic Control, from a review of the First Edition "The best book I've seen on the subject of Kalman filtering . . . Reading other books on Kalman filters and not this one could make you a very dangerous Kalman filter engineer."-Amazon.com, from a review of the First Edition In this practical introduction to Kalman filtering theory and applications, authors Grewal and Andrews draw upon their decades of experience to offer an in-depth examination of the subtleties, common problems, and limitations of estimation theory as it applies to real-world situations. They provide many illustrative examples drawn from an array of application areas including GPS-aided INS, the modeling of gyros and accelerometers, inertial navigation, and freeway traffic control. In addition, they share many hard-won lessons about, and original methods for, designing, implementing, validating, and improving Kalman filters, including techniques for: * Representing the problem in a mathematical model * Analyzing estimator performance as a function of model parameters * Implementing the mechanization equations in numerically stable algorithms * Assessing computational requirements * Testing the validity of results * Monitoring filter performance in operation As the best way to understand and master a technology is to observe it in action, Kalman Filtering: Theory and Practice Using MATLAB(r), Second Edition includes companion software in MATLAB(r), providing users with an opportunity to experience first hand the filter's workings and its limitations. This updated and revised edition of Grewal and Andrews's classic guide is an indispensable working resource for engineers and computer scientists involved in the design of aerospace and aeronautical systems, global positioning and radar tracking systems, power systems, and biomedical instrumentation. An Instructor's Manual presenting detailed solutions to all the problems in the book is available from the Wiley editorial department.

فهرست مطالب


 Content: 1.1 On Kalman Filtering 1 --
 1.2 On Estimation Methods 5 --
 1.3 On the Notation Used in This Book 20 --
 2 Linear Dynamic Systems 25 --
 2.1 Chapter Focus 25 --
 2.2 Dynamic Systems 26 --
 2.3 Continuous Linear Systems and Their Solutions 30 --
 2.4 Discrete Linear Systems and Their Solutions 41 --
 2.5 Observability of Linear Dynamic System Models 42 --
 2.6 Procedures for Computing Matrix Exponentials 48 --
 3 Random Processes and Stochastic Systems 56 --
 3.1 Chapter Focus 56 --
 3.2 Probability and Random Variables 58 --
 3.3 Statistical Properties of Random Variables 66 --
 3.4 Statistical Properties of Random Processes 68 --
 3.5 Linear System Models of Random Processes and Sequences 76 --
 3.6 Shaping Filters and State Augmentation 84 --
 3.7 Covariance Propagation Equations 88 --
 3.8 Orthogonality Principle 97 --
 4 Linear Optimal Filters and Predictors 114 --
 4.1 Chapter Focus 114 --
 4.2 Kalman Filter 116 --
 4.3 Kalman--Bucy Filter 126 --
 4.4 Optimal Linear Predictors 128 --
 4.5 Correlated Noise Sources 129 --
 4.6 Relationships between Kalman and Wiener Filters 130 --
 4.7 Quadratic Loss Functions 131 --
 4.8 Matrix Riccati Differential Equation 133 --
 4.9 Matrix Riccati Equation in Discrete Time 148 --
 4.10 Relationships between Continuous and Discrete Riccati Equations 153 --
 4.11 Model Equations for Transformed State Variables 154 --
 4.12 Application of Kalman Filters 155 --
 4.13 Smoothers 160 --
 5 Nonlinear Applications 169 --
 5.1 Chapter Focus 169 --
 5.2 Problem Statement 170 --
 5.3 Linearization Methods 171 --
 5.4 Linearization about a Nominal Trajectory 171 --
 5.5 Linearization about the Estimated Trajectory 175 --
 5.6 Discrete Linearized and Extended Filtering 176 --
 5.7 Discrete Extended Kalman Filter 178 --
 5.8 Continuous Linearized and Extended Filters 181 --
 5.9 Biased Errors in Quadratic Measurements 182 --
 5.10 Application of Nonlinear Filters 184 --
 6 Implementation Methods 202 --
 6.2 Computer Roundoff 204 --
 6.3 Effects of Roundoff Errors on Kalman Filters 209 --
 6.4 Factorization Methods for Kalman Filtering 216 --
 6.5 Square-Root and UD Filters 238 --
 6.6 Other Alternative Implementation Methods 252 --
 7.2 Detecting and Correcting Anomalous Behavior 271 --
 7.3 Prefiltering and Data Rejection Methods 294 --
 7.4 Stability of Kalman Filters 298 --
 7.5 Suboptimal and Reduced-Order Filters 299 --
 7.6 Schmidt--Kalman Filtering 309 --
 7.7 Memory, Throughput, and Wordlength Requirements 316 --
 7.8 Ways to Reduce Computational Requirements 326 --
 7.9 Error Budgets and Sensitivity Analysis 332 --
 7.10 Optimizing Measurement Selection Policies 336 --
 7.11 Application to Aided Inertial Navigation 342 --
 Appendix A MATLAB Software 350 --
 A.2 General System Requirements 350 --
 A.3 Diskette Directory Structure 351 --
 A.9 Other Sources of Software 353 --
 Appendix B A Matrix Refresher 355 --
 B.1 Matrix Forms 355 --
 B.2 Matrix Operations 359 --
 B.3 Block Matrix Formulas 363 --
 B.4 Functions of Square Matrices 366 --
 B.5 Norms 370 --
 B.6 Cholesky Decomposition 373 --
 B.7 Orthogonal Decompositions of Matrices 375 --
 B.8 Quadratic Forms 377 --
 B.9 Derivatives of Matrices 379.