摘要 | 第10-11页 |
Abstract | 第11-12页 |
第一章 绪论 | 第13-26页 |
1.1 研究背景及意义 | 第13-14页 |
1.2 相关技术的国内外研究现状 | 第14-22页 |
1.2.1 系统结构 | 第16-17页 |
1.2.2 星间观测网络的秩亏问题 | 第17-20页 |
1.2.3 自主定轨算法 | 第20-21页 |
1.2.4 协同导航研究现状与启发 | 第21-22页 |
1.3 论文的研究内容及主要贡献 | 第22-26页 |
1.3.1 论文拟解决的关键问题 | 第22页 |
1.3.2 论文的研究内容及组织结构 | 第22-24页 |
1.3.3 论文的主要贡献 | 第24-26页 |
第二章 卫星星座协同定轨模型 | 第26-48页 |
2.1 协同定轨体系结构 | 第26-27页 |
2.2 协同定轨模型 | 第27-41页 |
2.2.1 链路建立准则 | 第27-28页 |
2.2.2 星间双单向测量原理 | 第28-29页 |
2.2.3 星地双单向测量原理 | 第29-30页 |
2.2.4 信号传播路径上的主要误差源 | 第30-34页 |
2.2.5 修正后的星间双单向观测模型 | 第34-38页 |
2.2.6 定轨偏导数 | 第38-41页 |
2.3 基于局部可观测性理论的协同定轨可观性分析 | 第41-47页 |
2.3.1 局部可观测性理论简介 | 第42-44页 |
2.3.2 数值分析 | 第44-47页 |
2.4 本章小结 | 第47-48页 |
第三章 基于Kalman滤波的分布式协同定轨算法研究 | 第48-66页 |
3.1 协同定轨状态空间模型 | 第48-50页 |
3.2 分布式Kalman滤波算法 | 第50-55页 |
3.2.1 分布式全阶扩展Kalman滤波算法 | 第50页 |
3.2.2 分布式降阶扩展Kalman滤波算法 | 第50-54页 |
3.2.3 分布式迭代级联扩展Kalman滤波算法 | 第54-55页 |
3.3 算法性能分析 | 第55-64页 |
3.3.1 估计精度 | 第55-62页 |
3.3.2 计算量 | 第62-64页 |
3.3.3 通信量 | 第64页 |
3.4 本章小结 | 第64-66页 |
第四章 基于联合树的分布式协同定轨算法研究 | 第66-93页 |
4.1 协同定轨的动态贝叶斯网络模型 | 第66-73页 |
4.1.1 集中式贝叶斯估计算法 | 第66-69页 |
4.1.2 动态贝叶斯网络模型 | 第69-73页 |
4.2 基于动态贝叶斯网络的分布式联合树推理算法 | 第73-87页 |
4.2.1 JT符号运算 | 第74-80页 |
4.2.2 JT数学运算 | 第80-81页 |
4.2.3 算法性能分析 | 第81-83页 |
4.2.4 联合树算法的讨论 | 第83-87页 |
4.3 基于联合树的分布式协同定轨仿真分析 | 第87-91页 |
4.3.1 仿真场景 | 第87-89页 |
4.3.2 协同定轨方案仿真验证 | 第89-91页 |
4.4 本章小结 | 第91-93页 |
第五章 BDS导航星座分布式协同定轨算法研究 | 第93-119页 |
5.1 基于类广播星历轨道根数的卫星轨道预报模型及其定轨偏导数 | 第93-100页 |
5.1.1 基于类广播星历轨道根数的卫星轨道预报模型 | 第93-95页 |
5.1.2 基于类广播星历轨道根数的定轨偏导数 | 第95-100页 |
5.2 基于迭代平方根EKF的集中式协同定轨算法 | 第100-109页 |
5.2.1 现有集中式定轨算法 | 第100-102页 |
5.2.2 精密定轨算法所面临的问题 | 第102-107页 |
5.2.3 窗口迭代平方根扩展Kalman滤波 | 第107-109页 |
5.3 基于平方根联合树的分布式协同定轨算法 | 第109-114页 |
5.3.1 IJT算法 | 第110-111页 |
5.3.2 SRJT算法 | 第111-114页 |
5.4 BDS自主导航仿真算例 | 第114-118页 |
5.5 本章小结 | 第118-119页 |
第六章 结论与展望 | 第119-121页 |
6.1 论文总结 | 第119页 |
6.2 论文存在的不足与展望 | 第119-121页 |
致谢 | 第121-122页 |
参考文献 | 第122-130页 |
作者在学期间取得的学术成果 | 第130页 |