"The subject of integrated navigation systems covered in this book is designed for those directly involved with the design, integration, and test and evaluation of navigation systems. It is assumed that the reader has a background in mathematics, including calculus. Integrated navigation systems are the combination of an onboard navigation solution (position, velocity, and attitude) and independent navigation data (aids to navigation) to update or correct navigation solutions. In this book, this combination is accomplished with Kalman filter algorithms. This presentation is segmented into two parts. In the first part, elements of basic mathematics, kinematics, equations describing navigation systems/sensors and their error models, aids to navigation, and Kalman filtering are developed. Detailed derivations are presented and examples are given to aid in the understanding of these elements of integrated navigation systems. Problems are included to expand the application of the materials presented. The third edition includes additional background material, exercises and software. The added material includes: development of general form for Earth's gravitational potential with simplification to an ellipsoid model; development of satellite orbital equations for position and velocity and the impact of non-spherical earth gravitation on satellite orbital parameters; and illustrations in the development of derivative free Kalman filters including the Unscented and Divided Difference filter forms. Additional exercises are included that expand and supplement the material in the text and demonstrate properties of the Kalman filter. Additional software is included in this edition for simulating random processes and derivative free filter implementations. This edition provides a more complete foundation for addressing the different aspects of integrated navigation systems." ### 应用数学在综合导航系统中的应用 #### 基础数学与导航系统理论 在本书的第一部分，作者深入探讨了基础数学、动力学、描述导航系统/传感器及其误差模型的基本方程、辅助导航技术和卡尔曼滤波算法。这些章节为理解综合导航系统的各个方面提供了必要的数学工具。 **基础数学**：这部分内容主要介绍了数学分析的基础，包括微积分、线性代数和概率论等。这些数学工具是后续章节中理解和开发导航系统的基础。 **动力学**：本书还讨论了导航平台的动力学特性，包括位置、速度和姿态的数学描述，这对于理解如何精确测量和预测运动状态至关重要。 **导航系统和传感器**：这部分内容涉及各种导航传感器（如惯性测量单元IMU、全球定位系统GPS等）的工作原理及误差模型。通过对这些设备的深入理解，可以更好地整合来自不同来源的数据以提高整体导航性能。 **辅助导航技术**：除了内置的导航解决方案外，外部数据（例如地标、无线电信号等）对于校正和增强导航精度同样重要。本节介绍了一些常用的辅助导航方法和技术。 **卡尔曼滤波**：卡尔曼滤波是一种广泛应用于信号处理和控制工程中的统计预测方法。它是本书的核心内容之一，用于结合来自多个源的信息以获得更准确的位置估计。 #### 卡尔曼滤波算法的发展 第二部分着重于卡尔曼滤波算法的发展和应用。通过详细的推导和实例分析，读者可以深入了解卡尔曼滤波的基本原理及其在实际导航系统中的实现。 - **卡尔曼滤波基本原理**：介绍了卡尔曼滤波器的设计原理、工作流程以及如何利用它来优化导航系统的性能。 - **高级卡尔曼滤波技术**：探讨了非线性卡尔曼滤波方法，如扩展卡尔曼滤波器（EKF）、无迹卡尔曼滤波器（UKF）和分裂差分卡尔曼滤波器（DDF），这些方法能够处理更为复杂的情况。 #### 第三版新增内容 第三版增加了更多背景材料、练习和软件资源，旨在提供更加全面的学习体验。 - **地球引力场建模**：开发了一般形式的地球引力势能，并简化为椭球模型，这有助于更好地理解地球对卫星轨道的影响。 - **卫星轨道方程**：详细推导了考虑非球形地球引力作用下的卫星位置和速度方程。 - **无梯度卡尔曼滤波器**：通过示例展示了无梯度卡尔曼滤波器（如无迹卡尔曼滤波器和分裂差分滤波器）的开发过程，这些滤波器适用于无法解析计算雅可比矩阵的情况。 - **补充练习和软件**：新增了多个练习题，帮助读者加深对卡尔曼滤波的理解，并提供了用于模拟随机过程和无梯度滤波器实现的软件工具。 #### 结论 《应用数学在综合导航系统中的应用》这本书为从事导航系统设计、集成和测试评估的专业人士提供了宝贵的参考资料。通过结合数学理论、动力学分析和先进的滤波技术，本书不仅为理解现代导航系统的工作原理提供了坚实的基础，还为解决实际工程问题提供了实用的方法和工具。无论是对于初学者还是有经验的研究人员来说，这本书都是一份不可或缺的指南。

5.3 收放卷及张力控制 收放卷及张力控制需要使用 TcPackALv3.0.Lib，此库需要授权并安装： “\BeckhoffDVD_2009\Software\TwinCAT\Supplement\TwinCAT_PackAl\” 此库既可用于浮动辊也可用于张力传感器，但不适用于主轴频繁起停且主从轴之间没有缓 冲区间的场合。 5.3.1 功能块 PS_DancerControl 此功能块控制从轴跟随 Dancer 耦合的主轴运动。主轴可以是实际的运动轴，也可以是虚拟 轴。功能块通过 Dancer-PID 调节主轴和从轴之间的齿轮比实现从轴到主轴的耦合。 提示： 此功能块的目的是，依据某一 Dancer 位置，产生一个恒定表面速度（外设速度）相对于主 轴速度的调节量。主轴和从轴之间的张力可以表示为一个位置信号（即 Dancer 位置信号）。 功能块执行的每个周期都会扫描实际张力值，而其它输入信号则仅在 Enable 信号为 True 的第一个周期读取。

There are two approaches to undergraduate and graduate courses in linear statistical models and experimental design in applied statistics. One is a two-term sequence focusing on regression followed by ANOVA/Experimental design. Applied Linear Statistical Models serves that market. It is offered in business, economics, statistics, industrial engineering, public health, medicine, and psychology departments in four-year colleges and universities, and graduate schools. Applied Linear Statistical Models is the leading text in the market. It is noted for its quality and clarity, and its authorship is first-rate. The approach used in the text is an applied one, with an emphasis on understanding of concepts and exposition by means of examples. Sufficient theoretical foundations are provided so that applications of regression analysis can be carried out comfortably. The fourth edition has been updated to keep it current with important new developments in regression analysis.

Applied Intelligence期刊TEX模板

应用密码学：协议、算法与C源程序.中文第2版 Applied Cryptography - Protocols Algorithms and Source Code in C

全书共分7章,包括引论、线性方程组求解、线性最小二乘问题、非对称特征值问题、对称特征问题和奇异值分解、线性方程组迭代方法及特征值问题迭代方法，本书不仅给出了数值线性代数的常用算法，而且也介绍了多重网格法和区域分解法等新算法，并指导读者如何编写数值软件以及从何处找到适用的优秀数值软件。 　　本书可作为计算数学和相关理工科专业一年级研究生的教材,也可作为从事科学计算的广大科技工作者的参考书。 第1章 引论 　1.1 基本符号 　1.2 数值线性代数的标准问题 　1.3 一般的方法 　　1.3.1 矩阵分解 　　1.3.2 扰动理论和条件数 　　1.3.3 舍入误差对算法的影响 　　1.3.4 分析算法的速度 　　1.3.5 数值计算软件 　1.4 例：多项式求值 　1.5 浮点算术运算 　1.6 再议多项式求值 　1.7 向量和矩阵范数 　1.8 第1章的参考书目和其他话题 　1.9 第1章问题 第2章 线性方程组求解 　2.1 概述 　2.2 扰动理论 　2.3 高斯消元法 　2.4 误差分析 　　2.4.1 选主元的必要性 　　2.4.2 高斯消元法正式的误差分析 　　2.4.3 估计条件数 　　2.4.4 实际的误差界 　2.5 改进解的精度 　　2.5.1 单精度迭代精化 　　2.5.2 平衡 　2.6 高性能分块算法 　　2.6.1 基本线性代数子程序（blas） 　　2.6.2 如何优化矩阵乘法 　　2.6.3 使用3级blas改组高斯消元法 　　2.6.4 更多的并行性和其他性能问题 　2.7 特殊的线性方程组 　　2.7.1 实对称正定矩阵 　　2.7.2 对称不定矩阵 　　2.7.3 带状矩阵 　　2.7.4 一般的稀疏阵 　　2.7.5 不超过o（n2）个参数的稠密矩阵 　2.8 第2章的参考书目和其他的话题 　2.9 第2章问题 第3章 线性最小二乘问题 　3.1 概述 　3.2 解线性最小二乘问题的矩阵分解 　　3.2.1 正规方程 　　3.2.2 qr分解 　　3.2.3 奇异值分解 　3.3 最小二乘问题的扰动理论 　3.4 正交矩阵 　　3.4.1 豪斯霍尔德变换 　　3.4.2 吉文斯旋转 　　3.4.3 正交矩阵的舍入误差分析 　　3.4.4 为什么用正交矩阵 　3.5 秩亏最小二乘问题 　　3.5.1 用svd解秩亏最小二乘问题 　　3.5.2 用选主元的qr分解解秩亏最小二乘问题 　3.6 最小二乘问题解法的性能比较 　3.7 第3章的参考书目和其他话题 　3.8 第3章问题 第4章 非对称特征值问题 　4.1 概述 　4.2 典范型 　4.3 扰动理论 　4.4 非对称特征问题的算法 　　4.4.1 幂法 　　4.4.2 逆迭代 　　4.4.3 正交迭代 　　4.4.4 qr迭代 　　4.4.5 使qr迭代有实效 　　4.4.6 海森伯格约化 　　4.4.7 三对角和双对角约化 　　4.4.8 隐式位移的qr迭代 　4.5 其他的非对称特征值问题 　　4.5.1 正则矩阵束和魏尔斯特拉斯典范型 　　4.5.2 奇异矩阵束和克罗内克典范型 　　4.5.3 非线性特征值问题 　4.6 小结 　4.7 第4章参考书目和其他话题 　4.8 第4章问题 第5章 对称特征问题和奇异值分解 　5.1 概述 　5.2 扰动理论 　5.3 对称特征问题的算法 　　5.3.1 三对角qr迭代 　　5.3.2 瑞利商迭代 　　5.3.3 分而治之 　　5.3.4 对分法和逆迭代 　　5.3.5 雅可比法 　　5.3.6 性能比较 　5.4 奇异值分解算法 　　5.4.1 双对角svd的qr迭代及其变形 　　5.4.2 计算双对角svd达到高的相对精度 　　5.4.3 svd的雅可比法 　5.5 微分方程和特征值问题 　　5.5.1 toda格子 　　5.5.2 与偏微分方程的关系 　5.6 第5章参考书目和其他话题 　5.7 第5章问题 第6章 线性方程组迭代方法 　6.1 概述 　6.2 迭代法的在线（on-line）帮助 　6.3 泊松方程 　　6.3.1 一维泊松方程 　　6.3.2 二维泊松方程 6.3.3 用克罗内克积表达泊松方程 6.4 解泊松方程方法小结 　6.5 基本迭代法 　　6.5.1 雅可比法 　　6.5.2 高斯-塞德尔法 6.5.3 逐次超松弛法 6.5.4 模型问题的雅可比、高斯－塞德尔和sor（ω）的收敛性 6.5.5 雅可比、高斯－塞德尔和sor（ω）法明细的收敛准则 　　6.5.6 切比雪夫加速和对称sor（ssor） 　6.6 克雷洛夫子空间方法 　　6.6.1 通过矩阵-向量乘法得到关于a的信息 　　6.6.2 利用克雷洛夫子空间kk解ax=b 　　6.6.3 共轭梯度法 　　6.6.4 共轭梯度法的收敛性分析 　　6.6.5 预条件 　　6.6.6 解ax=b的其他克雷洛夫子空间算法 　6.7 快速傅里叶变换 　　6.7.1 离散傅里叶变换 　　6.7.2 用傅里叶级数解连续模型问题 　　6.7.3 卷积 　　6.7.4 计算快速傅里叶变换 　6.8 块循环约化 　6.9 多重网格法 　　6.9.1 二维泊松方程多重网格法概述 　　6.9.2 一维泊松方程的多重网格法详述 　6.10 区域分解法 　　6.10.1 无交叠方法 　　6.10.2 交叠方法 　6.11 第6章的参考书目和其他话题 　6.12 第6章问题 第7章 特征值问题的迭代方法 　7.1 概述 　7.2 瑞利-里茨方法 　7.3 精确算术运算的兰乔斯算法 　7.4 浮点算术运算的兰乔斯算法 　7.5 选择正交化的兰乔斯算法 　7.6 选择正交化之外的方法 　7.7 非对称特征值问题的迭代算法 　7.8 第7章的参考书目和其他话题 　7.9 第7章问题 参考文献（图灵网站下载） 索引

经典.net图书,深入解析.NET框架的设计思路以及细节问题.

《Journal of Applied Remote Sensing》期刊投稿模板 Latex格式

Focusing on high-dimensional applications, this 4th edition presents the tools and concepts used in multivariate data analysis in a style that is also accessible for non-mathematicians and practitioners. It surveys the basic principles and emphasizes both exploratory and inferential statistics; a new chapter on Variable Selection (Lasso, SCAD and Elastic Net) has also been added. All chapters include practical exercises that highlight applications in different multivariate data analysis fields: in quantitative financial studies, where the joint dynamics of assets are observed; in medicine, where recorded observations of subjects in different locations form the basis for reliable diagnoses and medication; and in quantitative marketing, where consumers’ preferences are collected in order to construct models of consumer behavior. All of these examples involve high to ultra-high dimensions and represent a number of major fields in big data analysis. The fourth edition of this book on Applied Multivariate Statistical Analysis offers the following new features: A new chapter on Variable Selection (Lasso, SCAD and Elastic Net) All exercises are supplemented by R and MATLAB code that can be found on www.quantlet.de. The practical exercises include solutions that can be found in Härdle, W. and Hlavka, Z., Multivariate Statistics: Exercises and Solutions. Springer Verlag, Heidelberg. Table of Contents Part I Descriptive Techniques Chapter 1 Comparison of Batches Part II Multivariate Random Variables Chapter 2 A Short Excursion into Matrix Algebra Chapter 3 Moving to Higher Dimensions Chapter 4 Multivariate Distributions Chapter 5 Theory of the Multinormal Chapter 6 Theory of Estimation Chapter 7 Hypothesis Testing Part III Multivariate Techniques Chapter 8 Regression Models Chapter 9 Variable Selection Chapter 10 Decomposition of Data Matrices by Factors Chapter 11 Principal Components Analysis Chapter 12 Factor Analysis Chapter 13 Cluster Analysis Chapter 14 Discriminant Analysis Chapter 15 Correspondence Analysis Chapter 16 Canonical Correlation Analysis Chapter 17 Multidimensional Scaling Chapter 18 Conjoint Measurement Analysis Chapter 19 Applications in Finance Chapter 20 Computationally Intensive Techniques Part IV Appendix Chapter 21 Symbols and Notations Chapter 22 Data

Applied Numerical Methods with MATLAB for Engineers & Scientists, Chapra, MG, 2011. 很好的matlab学习教材，英文版的