數(shù)據(jù)建模及預(yù)報

第1章　數(shù)據(jù)的分類和描述
1.1　確定性數(shù)據(jù)的分類
1.2　隨機(jī)數(shù)據(jù)的分類
1.3　隨機(jī)數(shù)據(jù)的基本特性
1.4　隨機(jī)數(shù)據(jù)的聯(lián)合特性
第2章　自回歸滑動平均（ARMA）模型
2.1　線性回歸模型
2.2　一階自回歸模型
2.3 自回歸滑動平均模型ARMA（2，1）
2.4　ARMA（n，n－1）模型和建模方案（策略）
第3章　ARMA模型的特性
3.1　格林函數(shù)和穩(wěn)定性
3.2　逆函數(shù)和可逆性
3.3　自協(xié)方差函數(shù)
3.4　偏自相關(guān)函數(shù)和自頻譜
第4章　建模
4.1　建模的系統(tǒng)方法
4.2　關(guān)于自回歸部分的階數(shù)增量問題
4.3　估計
4.4　模型的適用性的檢驗
4.5　建模步驟及舉例
第5章　預(yù)報
5.1　預(yù)報可以看作為正交投影
5.2　以條件期望作預(yù)報
5.3　預(yù)報的校正
5.4　指數(shù)平滑
第6章　隨機(jī)漂移的控制
　6.1　問題的提出
　6.2　順饋控制系統(tǒng)設(shè)計
　6.3　反饋控制系統(tǒng)設(shè)計
　6.4　順饋一反饋聯(lián)合控制系統(tǒng)
第7章　GPS/SINS組合導(dǎo)航系統(tǒng)中的數(shù)據(jù)處理
7.1　概述
　7.2　GPS全球定位系統(tǒng)
　7.3　GPS誤差信號的分析與建模
　7.4　捷聯(lián)式慣性導(dǎo)航系統(tǒng)原理及誤差分析
　7.5　GPS/SINS組合導(dǎo)航數(shù)據(jù)處理
第8章　基于神經(jīng)網(wǎng)絡(luò)的信號檢測與估計
　8.1　大腦神經(jīng)元
　8.2　大腦的人工神經(jīng)網(wǎng)絡(luò)模型
　8.3　基本神經(jīng)網(wǎng)絡(luò)模型
　8.4　神經(jīng)網(wǎng)絡(luò)信號檢測
　8.5　神經(jīng)網(wǎng)絡(luò)濾波
　8.6　神經(jīng)網(wǎng)絡(luò)譜估計
第9章　小波分析基本原理
9.1　引言
9.2　小波變換
9.3　數(shù)字信號的二進(jìn)小波變換
附錄
參考文獻(xiàn)