

خرید و دانلود نسخه کامل کتاب Tracking Filter Engineering: The Gauss-Newton and Polynomial Filters
50,500 تومان قیمت اصلی 50,500 تومان بود.35,000 تومانقیمت فعلی 35,000 تومان است.
تعداد فروش: 52
عنوان فارسی |
مهندسی فیلتر ردیابی: فیلترهای گاوس-نیوتن و چند جمله ای |
---|---|
عنوان اصلی | Tracking Filter Engineering: The Gauss-Newton and Polynomial Filters |
ناشر | The Institution of Engineering and Technology |
نویسنده | Norman Morrison |
ISBN | 1849195544, 9781849195546 |
سال نشر | 2012 |
زبان | English |
تعداد صفحات | 578 |
دسته | نظریه کنترل خودکار |
فرمت کتاب | pdf – قابل تبدیل به سایر فرمت ها |
حجم فایل | 31 مگابایت |
آنتونی رابینز میگه : من در 40 سالگی به جایی رسیدم که برای رسیدن بهش 82 سال زمان لازمه و این رو مدیون کتاب خواندن زیاد هستم.
توضیحاتی در مورد کتاب
تقریباً 50 سال است که فیلتر کالمن رویکرد پذیرفته شده برای ردیابی مهندسی فیلتر بوده است. در آغاز عصر ماهواره در سال 1958، فیلترهای ردیابی گاوس-نیوتن مورد آزمایش قرار گرفتند، اما به دلیل محدودیت سرعت رایانههای موجود، برای استفاده بلادرنگ رد شدند. به جای آنها دو الگوریتم جدید ابداع شد، ابتدا فیلتر Swerling و سپس فیلتر Kalman، که هر دو میتوانستند در زمان واقعی بر روی ماشینهای آن دوره اجرا شوند. با این وجود مشاهده شد که گاوس-نیوتن دارای برخی خواص برتر، به ویژه در مورد پایداری است. سرعت کامپیوتر در حال حاضر به شدت افزایش یافته است و بنابراین دیگر نیازی به رد گاوس-نیوتن نیست. تقریباً یک ساعتی که برای اجرای گاوس-نیوتن در سال 1958 طول کشید، اکنون به چند ده میلی ثانیه در ماشینهای در دسترس کاهش یافته است و اگر فناوری رایانه مانند سالهای اخیر به پیشرفت خود ادامه دهد، به زودی به میکروثانیه کاهش مییابد. بر این اساس است که موریسون رویکرد خود را ارائه می کند. این کتاب یک پسزمینه نظری کامل ارائه میکند و سپس به تفصیل فیلترهای گاوس-نیوتن را مورد بحث قرار میدهد. یک رویکرد جدید برای ردیابی اهداف مانور است که توسط این فیلترها امکان پذیر شده است. این کتاب همچنین فیلترهای چند جملهای حافظه در حال گسترش و محو شدن را بر اساس چند جملهای متعامد لژاندر و لاگر و نحوه استفاده از این فیلترها در ارتباط با گاوس-نیوتن را پوشش میدهد. چهارده برنامه کامپیوتری که با دقت ساخته شده اند، پس زمینه نظری را پوشش می دهند، و همچنین قدرت گاوس-نیوتن و فیلترهای چند جمله ای را نشان می دهند. دو مورد از این برنامه ها شامل فیلترهای Kalman، Swerling و Gauss-Newton هستند که هر سه داده های یکسان را پردازش می کنند. اینها بیثباتی کالمن و سوئرلینگ را نشان میدهند که گاوس-نیوتن از آن مصون است، و همچنین این واقعیت که اگر تلاشی برای جلوگیری از بیثباتی کالمن و سوئرلینگ با استفاده از ماتریس Q انجام شود، آنها دیگر با کرامر-رائو سازگار نیستند و بهطور محسوسی تبدیل میشوند. دقت کمتری نسبت به فیلترهای همیشه سازگار Cramer-Rao Gauss-Newton.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.