摘要 | 第5-6页 |
Abstract | 第6页 |
1 绪论 | 第14-22页 |
1.1 论文课题研究背景及意义 | 第14-16页 |
1.2 小型无人机多传感器数据融合概况 | 第16-18页 |
1.2.1 数据融合的研究现状 | 第16-17页 |
1.2.2 数据融合的理论与方法 | 第17-18页 |
1.3 Kalman滤波理论在多传感器数据融合中的应用 | 第18-20页 |
1.4 论文主要研究内容 | 第20-22页 |
2 捷联惯性导航原理与测量仿真系统构建 | 第22-46页 |
2.1 引言 | 第22页 |
2.2 捷联惯性导航基本原理 | 第22-27页 |
2.2.1 原理概述 | 第22-23页 |
2.2.2 常用坐标系 | 第23-24页 |
2.2.3 捷联惯性导航力学编排 | 第24-27页 |
2.3 传感器测量模型 | 第27-32页 |
2.3.1 加速度计测量模型 | 第27-28页 |
2.3.2 陀螺仪测量模型 | 第28页 |
2.3.3 GPS测量模型 | 第28-29页 |
2.3.4 气压高度表测量模型 | 第29-31页 |
2.3.5 磁力计测量模型 | 第31-32页 |
2.4 无人飞行器仿真系统构建 | 第32-40页 |
2.4.1 aeroblk_HL20仿真系统简介 | 第32-35页 |
2.4.2 导航参数真值生成方法 | 第35-38页 |
2.4.3 测量仿真值生成示例 | 第38-40页 |
2.5 捷联惯性导航力学编排方程解算仿真 | 第40-45页 |
2.5.1 捷联惯性导航方程计算 | 第40-41页 |
2.5.2 仿真结果及分析 | 第41-45页 |
2.6 本章小结 | 第45-46页 |
3 基于线性Kalman滤波的SINS/GPS组合导航数据融合研究 | 第46-70页 |
3.1 引言 | 第46页 |
3.2 SINS/GPS组合导航系统基本原理 | 第46页 |
3.3 SINS/GPS间接估计校正方法 | 第46-48页 |
3.4 经典Kalman滤波基本理论 | 第48-50页 |
3.5 SINS/GPS组合导航系统间接法滤波模型 | 第50-69页 |
3.5.1 捷联惯导系统误差模型 | 第50-54页 |
3.5.2 系统状态方程 | 第54页 |
3.5.3 量测方程 | 第54-55页 |
3.5.4 基于卡尔曼滤波的SINS/GPS数据融合实现 | 第55-57页 |
3.5.5 仿真结果及分析 | 第57-69页 |
3.6 本章小结 | 第69-70页 |
4 基于SR-CDKF方法的SINS/GPS组合导航数据融合研究 | 第70-85页 |
4.1 引言 | 第70页 |
4.2 SINS/GPS组合导航系统直接式滤波模型 | 第70-73页 |
4.2.1 直接校正滤波器结构 | 第70页 |
4.2.2 状态方程 | 第70-72页 |
4.2.3 量测方程 | 第72-73页 |
4.3 SR-CDKF方法在无人机SINS/GPS数据融合中的应用 | 第73-76页 |
4.3.1 Sigma点Kalman滤波理论 | 第73-74页 |
4.3.2 SR-CDKF算法步骤 | 第74-76页 |
4.4 仿真分析 | 第76-84页 |
4.4.1 GPS测量精度不同时的KF与SR-CDKF滤波对比 | 第77-79页 |
4.4.2 惯性器件有无固定零偏时的KF与SR-CDKF滤波对比 | 第79-82页 |
4.4.3 SINS/GPS数据刷新率不同时的KF与SR-CDKF滤波对比 | 第82-84页 |
4.5 本章小结 | 第84-85页 |
5. 基于SR-CDKF方法的多传感器数据融合方法研究 | 第85-94页 |
5.1 引言 | 第85页 |
5.2 SINS/GPS/气压计组合数据融合 | 第85-89页 |
5.2.1 组合方案 | 第85页 |
5.2.2 状态方程和量测方程 | 第85-86页 |
5.2.3 仿真分析 | 第86-89页 |
5.3 SINS/GPS/气压计/磁力计组合数据融合 | 第89-93页 |
5.3.1 组合方案 | 第89页 |
5.3.2 状态方程和量测方程 | 第89页 |
5.3.3 仿真分析 | 第89-93页 |
5.4 本章小结 | 第93-94页 |
6 总结与展望 | 第94-97页 |
6.1 工作总结 | 第94-95页 |
6.2 工作展望 | 第95-97页 |
致谢 | 第97-98页 |
参考文献 | 第98-102页 |
附录 | 第102页 |