非线性系统加权观测融合估计理论及其应用

定　价：¥129.00

作　者：	郝钢
出版社：	电子工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787121374159	出版时间：	2019-11-01	包装：
开本：	16开	页数：	336	字数：

内容简介

　　本书系统地介绍了由作者提出的非线性系统的信息融合估计新方法、新理论及应用。本书主要介绍了几种非线性系统的估计方法，并从优缺点、适用范围、算法精度、复杂度等方面进行性能分析。为了提高单个传感器的估计精度，提出了非线性系统的多传感器信息融合方法――加权观测融合方法，该方法有效地解决了非线性系统的融合问题。

作者简介

　　郝钢，男，1980年1月生人，博士，副教授，硕士生导师。2003年7月黑龙江大学单子工程学院授予学士学位；2006年7月获得硕士学位；2011年哈尔滨工程大学自动化学院获得博士学位；2012年至2014年黑龙江大学博士后流动站工作经历。2006年7月在黑龙江大学自动化系任教，2009年晋升为讲师，2011年晋升为副教授，2010年任自动化专业副主任。主要从事非线性系统状态估计、目标跟踪、信息融合等方面的研究。主持国家自然科学基金1项、主持并完成省自然科学基金1项，参与并完成国家自然科学基金项目3项。发表SCI、EI收录文章40余篇。

图书目录

第1 章绪论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．1 多传感器信息融合理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．1．1 多传感器信息融合．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．1．2 信息融合国内外发展现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 5
1．2 系统辨识．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 7
1．2．1 系统辨识的目的．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 8
1．2．2 系统辨识的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 9
1．2．3 自校正滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
1．3 非线性系统融合估计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 14
1．3．1 信息融合结构模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 14
1．3．2 信息融合的主要技术方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 19
1．3．3 非线性系统估计研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 20
1．3．4 融合估计研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 21
1．3．5 非线性系统融合估计研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 24
1．4 主要研究内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 25
第2 章一般非线性系统滤波方法及性能分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 28
2．1 递推线性最小方差估计框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 29
2．1．1 射影定理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 30
2．1．2 新息序列．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 35
2．1．3 递推线性最小方差滤波框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 38
2．1．4 Kalman 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 41
2．1．5 ARMA 新息模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 46
2．1．6 基于ARMA 新息模型的稳态Kalman 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．． 47
2．2 无迹Kalman 滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 48
2．2．1 UKF 滤波算法原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 48
2．2．2 Sigma 点采样策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 50
2．2．3 UKF 滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 55
2．3 容积Kalman 滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 56
2．3．1 容积规则．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 57
2．3．2 容积Kalman 滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 60
2．4 粒子滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 63
2．4．1 最优贝叶斯递推滤波和重要性采样．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 63
2．4．2 序贯重要性采样．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 65
2．4．3 PF 滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 66
2．5 3 种非线性滤波算法的比较分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 67
2．6 本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 68
第3 章线性系统的多传感器自校正加权观测融合Kalman 滤波器．．．．．．．．．．．．．．． 69
3．1 最优加权观测融合Kalman 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 71
3．1．1 线性系统的加权观测融合算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 71
3．1．2 最优加权观测融合Kalman 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 73
3．2 基于最小二乘法的自校正加权观测融合Kalman 滤波器．．．．．．．．．．．．．．．．．．． 74
3．2．1 自校正Kalman 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．74
3．2．2 基于最小二乘法的自校正加权观测融合Kalman 滤波器．．．．．．．． 77
3．2．3 基于相关函数辨识器的自校正加权观测融合
Kalman 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 80
3．3 基于协同辨识的自校正加权观测融合Kalman 滤波器．．．．．．．．．．．．．．．．．．．．．．． 82
3．3．1 具有相同观测矩阵和不相关观测噪声的情形．．．．．．．．．．．．．．．．．．．．．．．．．．． 83
3．3．2 具有不同观测矩阵和不相关观测噪声情形．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 88
3．3．3 系统具有不同观测矩阵和相关观测噪声．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 95
3．4 仿真．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 98
3．5 本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 109
第4 章非线性系统的最优和自校正加权观测融合UKF 滤波器．．．．．．．．．．．．．．．．．．． 111
4．1 多传感器加权观测融合UKF 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 112
4．1．1 集中式观测融合UKF 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 113
4．1．2 加权观测融合UKF 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 113
4．1．3 加权观测融合UKF 滤波器与集中式观测融合
UKF 滤波器在数值上的完全等价性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 115
4．2 自校正加权观测融合UKF 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 121
4．2．1 噪声方差的估计算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 121
4．2．2 基于Sage-Husa 估计的Qw 估计算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 123
4．2．3 多传感器加权观测融合自校正UKF 滤波器．．．．．．．．．．．．．．．．．．．．．．．．．．． 125
4．3 仿真例子．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 125
4．4 本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 130
第5 章基于Taylor 级数逼近的非线性系统加权观测融合估计理论．．．．．．．．．．．． 132
5．1 基于Taylor 级数逼近的非线性系统加权观测融合算法．．．．．．．．．．．．．．．．．．． 133
5．2 基于Taylor 级数逼近的非线性系统加权观测融合UKF
（WMF-UKF）滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 139
5．2．1 基于Taylor 级数逼近的非线性系统WMF-UKF 滤波算法．．．． 139
5．2．2 WMF-UKF 的渐近最优性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 142
5．2．3 WMF-UKF 的计算量分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 148
5．3 基于Taylor 级数逼近的非线性系统加权观测融合CKF（WMF-CKF）
滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 149
5．3．1 基于Taylor 级数逼近的非线性系统WMF-CKF 滤波算法．．．． 149
5．3．2 WMF-CKF 的渐近最优性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 152
5．3．3 WMF-CKF 的计算量分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 153
5．4 基于Taylor 级数逼近的非线性系统加权观测融合PF（WMF-PF）
滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 153
5．4．1 基于Taylor 级数逼近的非线性系统WMF-PF 滤波算法．．．．．．． 153
5．4．2 WMF-PF 的渐近最优性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 155
5．4．3 WMF-PF 的计算量分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 156
5．5 WMF-UKF、WMF-CKF 和WMF-PF 的比较分析．．．．．．．．．．．．．．．．．．．．．．．．．．．． 157
5．6 仿真研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 157
5．7 本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 181
第6 章基于Gauss-Hermite 逼近的非线性系统加权观测融合估计算法．． 183
6．1 基于Gauss-Hermite 逼近的非线性系统加权观测融合
（WMF）算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 184
6．1．1 Gauss-Hermite 逼近．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 185
6．1．2 基于Gauss-Hermite 逼近的非线性系统WMF 算法．．．．．．．．．．．．．．． 190
6．2 基于Gauss-Hermite 逼近的非线性系统加权观测融合UKF
（WMF-UKF）滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 193
6．2．1 基于Gauss-Hermite 逼近的非线性系统WMF-UKF 滤波算法．．． 193
6．2．2 WMF-UKF 的计算量分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 197
6．3 基于Gauss-Hermite 逼近的非线性系统加权观测融合
CKF（WMF-CKF）滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 197
6．3．1 基于Gauss-Hermite 逼近的非线性系统WMF-CKF 滤波算法．．． 197
6．3．2 WMF-CKF 的计算量分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 200
6．4 基于Gauss-Hermite 逼近的非线性系统加权观测融合PF
（WMF-PF）滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 201
6．4．1 基于Gauss-Hermite 逼近的非线性系统WMF-PF 滤波算法．．．． 201
6．4．2 WMF-PF 的计算量分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 203
6．5 仿真研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 203
6．6 本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 226
第7 章噪声相关的非线性系统加权观测融合估计算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 227
7．1 基于Taylor 级数逼近的噪声相关非线性系统WMF-UKF
滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 228
7．1．1 系统噪声和观测噪声的去相关．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 229
7．1．2 噪声相关非线性系统WMF-UKF 滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．． 231
7．2 基于Taylor 级数逼近的噪声相关非线性系统WMF-CKF 滤波算法．．． 234
7．3 基于Taylor 级数逼近的噪声相关非线性系统WMF-PF 滤波算法．．．．．．． 237
7．4 基于Gauss-Hermite 逼近的噪声相关非线性系统WMF-UKF
滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 239
7．5 基于Gauss-Hermite 逼近的噪声相关非线性系统WMF-CKF
滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 243
7．6 基于Gauss-Hermite 逼近的噪声相关非线性系统WMF-PF
滤波算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 246
7．7 仿真研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 248
7．8 本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 267
第8 章多传感器加权观测融合Kalman 滤波器的预测控制算法．．．．．．．．．．．．．．．．． 268
8．1 加权观测融合Kalman 滤波器的预测控制系统．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 268
8．2 加权观测融合预测控制算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 271
8．3 自校正加权观测融合预测控制算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 275
8．3．1 带相同观测矩阵和不相关观测噪声的情形．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 275
8．3．2 带不同观测矩阵和不相关观测噪声的情形．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 277
8．3．3 带不同观测矩阵和相关观测噪声的情形．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 281
8．4 仿真．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 284
8．4．1 带相同观测矩阵和不相关观测噪声的系统仿真．．．．．．．．．．．．．．．．．．．．． 284
8．4．2 带不同观测矩阵和不相关观测噪声的系统仿真．．．．．．．．．．．．．．．．．．．．． 288
8．4．3 带不同观测矩阵和相关观测噪声的系统仿真．．．．．．．．．．．．．．．．．．．．．．．．． 293
8．5 本章小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 298
参考文献．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 300