| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 空时偏差配准的研究现状及分析 | 第9-11页 |
| 1.2.1 空间偏差配准研究现状及分析 | 第9-10页 |
| 1.2.2 时间偏差配准研究现状及分析 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 第2章 滤波及误差配准基本问题与模型 | 第13-29页 |
| 2.1 滤波方法 | 第13-21页 |
| 2.1.1 系统模型 | 第13-15页 |
| 2.1.2 卡尔曼滤波流程及初始化 | 第15-18页 |
| 2.1.3 转换量测卡尔曼滤波（CMKF） | 第18-19页 |
| 2.1.4 不敏卡尔曼滤波（UKF） | 第19-21页 |
| 2.2 空间偏差的扩维估计 | 第21-23页 |
| 2.3 递归最小均方偏差估计器 | 第23-26页 |
| 2.3.1 量测模型 | 第23-24页 |
| 2.3.2 偏差向量的虚拟量测 | 第24-25页 |
| 2.3.3 递归最小均方（RLS）估计器 | 第25-26页 |
| 2.4 评估方法与性能指标 | 第26-27页 |
| 2.4.1 蒙特卡洛仿真 | 第26页 |
| 2.4.2 均方根误差 | 第26-27页 |
| 2.4.3 标准化误差平方估计 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 适用于数据量受限系统的偏差估计算法 | 第29-39页 |
| 3.1 含有加性及乘性偏差的传感器量测模型 | 第29-30页 |
| 3.2 含有加性及乘性偏差的传感器偏差估计算法 | 第30-31页 |
| 3.2.1 逆卡尔曼滤波 | 第30-31页 |
| 3.2.2 偏差估计算法流程 | 第31页 |
| 3.3 含有加性及乘性偏差的传感器偏差估计算法仿真 | 第31-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 传感器空时偏差的扩维估计 | 第39-52页 |
| 4.1 扩维法估计时间偏差 | 第39-41页 |
| 4.1.1 时间偏差估计的扩维模型 | 第39-40页 |
| 4.1.2 滤波初始化 | 第40-41页 |
| 4.2 时空偏差同时估计的扩维模型 | 第41-43页 |
| 4.2.1 时空偏差同时估计的扩维模型 | 第41-42页 |
| 4.2.2 滤波初始化 | 第42-43页 |
| 4.3 仿真分析 | 第43-51页 |
| 4.3.1 时间偏差估计仿真 | 第43-46页 |
| 4.3.2 时空偏差估计仿真 | 第46-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-58页 |
| 致谢 | 第58页 |