| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究的背景与意义 | 第10-12页 |
| ·课题研究的背景与意义 | 第10页 |
| ·国内外无人机发展状况及趋势 | 第10-12页 |
| ·导航系统中的数据融合技术 | 第12-13页 |
| ·数据融合技术的发展概况 | 第12-13页 |
| ·数据融合技术在导航系统中的地位 | 第13页 |
| ·课题内容及论文编排 | 第13-14页 |
| ·课题来源 | 第14-15页 |
| 第二章 无人机导航理论基础 | 第15-22页 |
| ·导航系统常用坐标系简介 | 第15-17页 |
| ·机体坐标系 | 第15页 |
| ·导航坐标系 | 第15-16页 |
| ·WGS84 大地坐标系 | 第16页 |
| ·地球中心坐标系与地心惯性坐标系 | 第16-17页 |
| ·导航系统中的姿态表达 | 第17-19页 |
| ·欧拉角姿态表示 | 第17-18页 |
| ·四元数姿态表示 | 第18-19页 |
| ·惯性导航系统 | 第19-21页 |
| ·惯性导航系统 | 第19-20页 |
| ·惯性导航系统方程 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 数据融合理论基础与高度多传感器检测 | 第22-39页 |
| ·数据融合的基本概念 | 第22-26页 |
| ·数据融合的定义与通用模型 | 第22-24页 |
| ·数据融合的分类 | 第24-25页 |
| ·数据融合研究中存在的问题 | 第25-26页 |
| ·数据融合理论数学基础 | 第26-31页 |
| ·参数估计的基本概念 | 第26-27页 |
| ·最大似然估计与最小二乘估计 | 第27-29页 |
| ·最大后验概率估计与最小均方误差估计 | 第29-30页 |
| ·Kalman 滤波理论 | 第30-31页 |
| ·多传感器目标检测 | 第31-37页 |
| ·多传感器目标检测问题概述 | 第31-33页 |
| ·两种经典的目标检测分析方法 | 第33-35页 |
| ·系统检测率与系统虚警率 | 第35-37页 |
| ·高度多传感器系统检测性能分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 多传感器高度测量系统硬件设计 | 第39-53页 |
| ·无人机多传感器导航系统硬件设计 | 第39-52页 |
| ·无人机自主导航控制系统的基本原理 | 第39-40页 |
| ·自主导航系统飞行测试平台 | 第40-41页 |
| ·导航控制系统处理器概述 | 第41页 |
| ·无人机姿态与高度传感器选型分析 | 第41-46页 |
| ·高度传感器系统硬件设计 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 多传感器高度数据融合算法设计与自主起降系统的现实 | 第53-81页 |
| ·Kalman 滤波与多传感器数据融合 | 第53-56页 |
| ·Kalman 滤波与多传感器数据融合概述 | 第53-54页 |
| ·线性离散Kalman 方程 | 第54-56页 |
| ·无人机多传感器姿态数据融合算法 | 第56-59页 |
| ·无人机运动学模型建立 | 第56-57页 |
| ·姿态信息获取 | 第57-58页 |
| ·INS/GPS 组合导航数据融合算法 | 第58-59页 |
| ·无人机多传感器高度数据融合算法设计与实现 | 第59-73页 |
| ·无人机高度传感器测量特性分析 | 第60-64页 |
| ·高度测量系统的状态方程与量测方程 | 第64-68页 |
| ·基于Kalman 滤波的多传感器高度数据融合算法实现 | 第68-69页 |
| ·多传感器高度数据融合测试与误差分析 | 第69-73页 |
| ·无人机自主起降系统的设计与实现 | 第73-78页 |
| ·无人机自主起降系统设计分析 | 第73-76页 |
| ·无人机自主起降系统策略与实现 | 第76-78页 |
| ·高度数据融合算法在在无人机自主起降中的实现 | 第78-80页 |
| ·高度测量的精确性与自主起降性能的关系 | 第78-79页 |
| ·无人机自主起降系统测试及数据分析 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 总结与展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-86页 |
| 致谢 | 第86页 |