《多尺度动态建模理论及其应用》是关于多尺度动态建模理论及其应用的一本专著，主要汇集了作者近年来在小波滤波、多传感器数据融合、多尺度系统理论、多尺度动态建模及目标状态估计等方面的研究成果，同时也介绍了近年来在多尺度系统理论研究领域的一些基本原理和主要方法。《多尺度动态建模理论及其应用》涉及的理论和方法有：多尺度系统理论与多尺度建模方法，时间序列分析的多尺度方法，小波与Kalman滤波的多尺度联合估计方法，动态过程的多尺度表示方法、建模与数据融合方法，多传感器数据融合与线性逆问题求解的多尺度方法，经验模式分解边界问题的多尺度方法，过程监制与安全检测的多尺度数据融合方法，多尺度模型预测控制方法，多速率系统的多模式设计方法等。

    第1章 绪论
    在自然界和工程实践中，许多现象和过程都具有多尺度特征或多尺度效应，同时，人们对现象或过程的观察／测量往往也是在不同尺度／分辨率上进行的，因此，用多尺度系统理论来描述、分析这些现象或过程是十分自然的，它能够很好地表现这些现象或过程的本质特征。此外，在解决许多实际问题时，多尺度方法具有思路清晰、简洁和计算复杂度低等优点。所以，近年来它已受到许多学科领域内众多科学工作者的高度重视，并在学术界掀起了多尺度系统理论及应用研究的高潮〔1，2〕。
    多尺度系统理论是在信号的多尺度表示理论基础上建立起来的，而多尺度／多分辨率现象在控制系统和信号处理等很多领域中广泛存在〔1，2〕。在信号的多尺度表示和现象的多尺度建模等方面，以MIT的A．S．Willsky教授为首的研究小组做了一系列创造性工作〔1〕，由于其方法对信号的时间和尺度分解呈现出一种自然方式，而一些应用实例也表明，基于这种表示可以建立起有效的、最优的信息处理算法。
    1.1 多尺度系统理论研究基本思想
    作为统计分析现象和数据的概念和方法，多尺度一直受到了各门学科的广泛关注〔n，2〕，而这正是由于多尺度具有非凡的活跃能力以及丰富的表现形式。本节将致力于介绍具有广泛理论意义和应用价值的多尺度建模与多尺度数据融合这一重要分支的发展过程及研究现状，将为理解对过程或现象进行多尺度分析和处理提供一个非常有用的平台。在分析和处理不同尺度上的现象或过程时，不仅需要建立像使用小波变换来产生信号在不同尺度上的分解一样的多尺度算法，而且还需要建立起以尺度为变量的多尺度动态模型。这就像在时间序列或随机场中建模所采用的方法一样，主要的工作是构造统计模型，并要求模型框架需满足能够适用于广泛的自然现象、具有获取这些现象和构造强有力算法的功能、为精确分析何时采用这些模型以及执行算法提供统计工具等基本条件。 
    ……

前言
第1章 绪论
1.1 多尺度系统理论研究基本思想
1.2 多尺度系统理论的广泛应用
1.3 多尺度建模与多尺度数据融合
小结
参考文献

第2章 小波分析理论基础
2.1 快速Fourier变换
2.2 小波变换
2.3 小波框架
2.4 多尺度分析
2.5 小波包
2.6 q带正交小波
2.7 n维信号的多尺度分析
小结
参考文献

第3章 状态估计理论基础
3.1 最优估计的基本概念
3.2 Kalman滤波基本理论
3.3 几种常用的多传感器数据融合方法
小结
参考文献

第4章 多尺度系统理论
4.1 引言
4.2 多尺度表示和系统
4.3 系统理论和实现
4.4 因果、非因果系统的平稳性和随机过程
小结
参考文献

第5章 时间序列分析的多尺度方法
5.1 时间序列分析概述
5.2 时间序列多尺度方差与性质
5.3 长记忆时间序列参数的多尺度极大似然估计方法
5.4 最小二乘法估计的多尺度方法
小结
参考文献

第6章 动态系统基于小波与Kalman滤波的多尺度联合估计
6.1 引言
6.2 单传感器单模型动态系统描述
6.3 分块系统的多尺度描述
6.4 多尺度贯序式Kalman滤波器
6.5 不同算法的性能比较以及MSBKF的证明
6.6 单传感器系统仿真
6.7 多传感器的多尺度算法
小结
参考文献

第7章 动态过程的多尺度表示方法、建模与数据融合
7.1 引言
7.2 多尺度随机模型
7.3 基于规则树的多尺度表示方法与建模
7.4 基于不规则树的多尺度建模
小结
参考文献

第8章 线性逆问题求解的多传感器多尺度数据融合方法
8.1 引言
8.2 基础知识
8.3 求解线性逆问题的多尺度降阶模型
8.4 多源观测逆问题的多尺度分布式求解算法
小结
参考文献

第9章 多尺度随机建模与多尺度数据融合估计
9.1 引言
9.2 动态系统的多尺度随机建模
9.3 多尺度观测系统描述
9.4 多尺度递归数据平滑融合估计算法
9.5 多尺度随机模型数据综合算法的实现
9.6 基于有限长度数据的多尺度建模与多尺度数据融合估计
9.7 例子与计算机仿真
小结
参考文献

第10章 一类时间序列多尺度预报新方法
10.1 引言
10.2 多尺度预报算法
10.3 EMD边界问题的多尺度方法
小结
参考文献

第11章 过程监制与安全检测的多尺度数据融合方法
11.1 统计过程监控简介
11.2 主元分析
11.3 过程监控的多尺度数据融合方法
小结
参考文献

第12章 多尺度模型预测控制
12.1 预测控制简介
12.2 模型预测控制的基本原理（MPC）
12.3 多尺度模型预测控制（MSMPC）
12.4 仿真研究
小结
参考文献

第13章 多速率系统的多模式设计方法
13.1 背景简介
13.2 采样系统描述
13.3 多速率数据采样系统的多模式设计
小结
参考文献