本书详细介绍了基于MATLAB和Python的动态系统建模与分析所需的一系列控制主题及高级编程技能。首先对姿态估计与控制进行了全面介绍，包括姿态运动学、传感器以及用于姿态估计的扩展卡尔曼滤波器。然后对自动驾驶车辆任务规划进行了实用讨论，包括无人机路径规划和移动目标跟踪。接着对生物系统建模进行了综合探索，包括生物分子网络和随机建模。最后对使用生物系统的控制算法以及其实现进行了深入研究。本书对于期望使用控制理论进行动态系统建模和分析，并熟练掌握相关编程技能的学生或工程师来说，是不可或缺的资源。

前言
第1章 引言
1.1 本书适用范围
1.2 实例分析
1.2.1 自由落体
1.2.2 配体-受体相互作用
1.3 本书章节安排
习题
参考文献
第2章 姿态估计和控制
2.1 姿态运动学和传感器
2.1.1 四元数运动学问题
2.1.2 陀螺仪传感器模型
2.1.3 光学传感器模型
2.2 姿态估计算法
2.2.1 一个简单的算法
2.2.2 QUEST算法
2.2.3 卡尔曼滤波器
2.2.4 扩展卡尔曼滤波器
2.3 姿态动力学和控制
2.3.1 动力学运动方程
2.3.2 执行器和控制算法
习题
参考文献
第3章 自动驾驶车辆任务规划
3.1 路径规划
3.1.1 势场法
3.1.2 基于图论的采样方法
3.1.3 复杂障碍物
3.2 移动目标跟踪
3.2.1 无人机与移动目标模型
3.2.2 最优目标跟踪问题
3.3 跟踪算法的实现
3.3.1 约束条件
3.3.2 最优解
3.3.3 仿真验证
习题
参考文献
第4章 生物系统的建模
4.1 生物分子间的相互作用
4.2 确定性建模
4.2.1 细胞群和多重实验
4.2.2 大肠杆菌色氨酸调节模型
4.3 生物振荡
4.3.1 Gillespie直接法
4.3.2 仿真实现
4.3.3 鲁棒性分析
习题
参考文献
第5章 生物系统的控制
5.1 控制算法的实现
5.1.1 PI控制器
5.1.2 误差ΔP的计算
5.2 鲁棒性分析：μ-分析法
5.2.1 简单示例
5.2.2 合成回路
习题
参考文献
第6章 延伸阅读
6.1 布尔网络
6.2 网络结构分析
6.3 时空建模
6.4 深度学习神经网络
6.5 强化学习
参考文献
附录 部分习题答案