| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题研究的目的和意义 | 第13-14页 |
| 1.2 课题的国内外研究现状 | 第14-21页 |
| 1.2.1 姿态估计系统 | 第14-16页 |
| 1.2.2 状态估计法的研究现状 | 第16-19页 |
| 1.2.3 状态估计法在飞行器姿态估计中的研究现状 | 第19-21页 |
| 1.3 课题的主要研究内容 | 第21-23页 |
| 第2章 飞行器姿态估计的理论基础 | 第23-52页 |
| 2.1 姿态估计系统状态空间模型的建立 | 第23-37页 |
| 2.1.1 参考坐标系的选取与坐标变换 | 第23-26页 |
| 2.1.2 姿态描述参数 | 第26-32页 |
| 2.1.3 姿态估计系统模型的建立 | 第32-37页 |
| 2.2 姿态估计中非线性滤波算法 | 第37-51页 |
| 2.2.1 贝叶斯滤波理论 | 第37-40页 |
| 2.2.2 EKF算法 | 第40-42页 |
| 2.2.3 UKF算法 | 第42-46页 |
| 2.2.4 CKF算法 | 第46-50页 |
| 2.2.5 EKF、UKF和CKF比较分析 | 第50-51页 |
| 2.3 本章小结 | 第51-52页 |
| 第3章 基于四元数约束的CKF姿态估计算法研究 | 第52-77页 |
| 3.1 基于加性四元数约束的CKF姿态估计算法 | 第52-64页 |
| 3.1.1 问题描述 | 第53页 |
| 3.1.2 四元数约束下的非线性高斯滤波 | 第53-58页 |
| 3.1.3 状态耦合噪声方差的计算 | 第58-60页 |
| 3.1.4 加性四元数约束的CKF姿态估计算法 | 第60-62页 |
| 3.1.5 滤波算法分析 | 第62-64页 |
| 3.2 基于乘性四元数约束的平方根CKF姿态估计算法 | 第64-71页 |
| 3.2.1 平方根CKF | 第65-66页 |
| 3.2.2 乘性四元数加权均值的求解 | 第66-67页 |
| 3.2.3 乘性四元数约束的平方根CKF姿态估计算法 | 第67-71页 |
| 3.3 仿真实验与分析 | 第71-75页 |
| 3.3.1 仿真平台 | 第71-72页 |
| 3.3.2 仿真分析 | 第72-75页 |
| 3.4 本章小结 | 第75-77页 |
| 第4章 基于四元数约束的容积点迭代CKF姿态估计算法研究 | 第77-92页 |
| 4.1 迭代CKF算法 | 第77-82页 |
| 4.1.1 Gauss-Newton迭代理论 | 第77-80页 |
| 4.1.2 迭代CKF算法的实现 | 第80-82页 |
| 4.2 改进的迭代CKF算法 | 第82-86页 |
| 4.2.1 问题分析 | 第82-83页 |
| 4.2.2 容积点迭代策略 | 第83-84页 |
| 4.2.3 改进的迭代CKF算法的实现 | 第84-86页 |
| 4.3 基于四元数约束的容积点迭代CKF姿态估计算法 | 第86-89页 |
| 4.3.1 问题描述 | 第86页 |
| 4.3.2 滤波增益的校正 | 第86-87页 |
| 4.3.3 四元数约束的容积点迭代CKF姿态估计算法 | 第87-89页 |
| 4.4 仿真实验与分析 | 第89-91页 |
| 4.5 本章小结 | 第91-92页 |
| 第5章 基于四元数约束的多重次渐消因子强跟踪CKF姿态估计算法研究 | 第92-113页 |
| 5.1 强跟踪CKF算法 | 第93-97页 |
| 5.1.1 强跟踪理论 | 第93-95页 |
| 5.1.2 强跟踪CKF算法 | 第95-97页 |
| 5.2 多重次渐消因子的强跟踪CKF算法 | 第97-107页 |
| 5.2.1 可行性分析 | 第97-99页 |
| 5.2.2 多重次渐消因子的计算 | 第99-103页 |
| 5.2.3 基于多重次渐消因子的强跟踪非线性高斯滤波算法 | 第103-105页 |
| 5.2.4 多重次渐消因子的强跟踪CKF算法 | 第105-107页 |
| 5.3 基于四元数约束的多重次渐消因子强跟踪CKF姿态估计算法 | 第107-109页 |
| 5.3.1 问题描述 | 第107-108页 |
| 5.3.2 四元数约束的多重次渐消因子强跟踪CKF姿态估计算法 | 第108-109页 |
| 5.4 仿真实验与分析 | 第109-112页 |
| 5.5 本章小结 | 第112-113页 |
| 第6章 基于鲁棒滤波的飞行器姿态估计算法研究 | 第113-160页 |
| 6.1 有界时域鲁棒卡尔曼滤波用于量测延迟的不确定姿态估计系统 | 第113-127页 |
| 6.1.1 带量测延迟的不确定姿态估计模型 | 第114-118页 |
| 6.1.2 有界时域鲁棒卡尔曼滤波姿态估计算法 | 第118-125页 |
| 6.1.3 仿真实验与分析 | 第125-127页 |
| 6.2 鲁棒扩展卡尔曼滤波用于带乘性噪声以及未知量测干扰的姿态估计系统 | 第127-147页 |
| 6.2.1 带乘性噪声以及量测干扰的非线性姿态估计模型 | 第128-129页 |
| 6.2.2 鲁棒扩展卡尔曼滤波姿态估计算法 | 第129-138页 |
| 6.2.3 算法稳定性分析 | 第138-143页 |
| 6.2.4 仿真实验与分析 | 第143-147页 |
| 6.3 鲁棒递推滤波用于带乘性噪声，量测丢失以及噪声相关的姿态估计系统 | 第147-158页 |
| 6.3.1 带乘性噪声、噪声相关以及量测丢失的非线性姿态估计模型 | 第147-148页 |
| 6.3.2 鲁棒递推滤波姿态估计算法 | 第148-155页 |
| 6.3.3 仿真实验与分析 | 第155-158页 |
| 6.4 本章小结 | 第158-160页 |
| 结论 | 第160-163页 |
| 参考文献 | 第163-176页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第176-178页 |
| 致谢 | 第178页 |
