基于多传感器融合的飞行器导航技术研究与实现
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-13页 |
| 1.2.1 多传感器融合技术研究现状 | 第8-10页 |
| 1.2.2 常用飞行器导航技术研究现状 | 第10-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 论文主要结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 多传感器融合的飞行器导航框架 | 第15-27页 |
| 2.1 低空飞行环境分析 | 第15页 |
| 2.2 飞行器导航与坐标系 | 第15-18页 |
| 2.2.1 飞行器机体坐标系 | 第15-16页 |
| 2.2.2 本地导航坐标系 | 第16-17页 |
| 2.2.3 WGS-84坐标系 | 第17-18页 |
| 2.3 导航传感器分析 | 第18-25页 |
| 2.3.1 惯性导航器件 | 第18-21页 |
| 2.3.2 气压高度计 | 第21-22页 |
| 2.3.3 超声波高度计 | 第22-23页 |
| 2.3.4 光流传感器 | 第23页 |
| 2.3.5 GPS传感器 | 第23-25页 |
| 2.4 基于多传感器融合的导航框架 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 多传感器融合的导航算法研究 | 第27-38页 |
| 3.1 多传感器融合结构 | 第27-28页 |
| 3.2 常用多传感器融合方法 | 第28-35页 |
| 3.2.1 线性最小方差估计 | 第29页 |
| 3.2.2 基于卡尔曼滤波的数据融合 | 第29-31页 |
| 3.2.3 扩展卡尔曼滤波 | 第31-32页 |
| 3.2.4 无迹卡尔曼滤波 | 第32-35页 |
| 3.3 其他多传感器融合算法 | 第35页 |
| 3.4 多传感器融合算法的选择 | 第35页 |
| 3.5 基于多传感器融合的导航算法框架 | 第35-36页 |
| 3.6 基于卡方检验的数据有效性检验 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 系统软硬件实现 | 第38-48页 |
| 4.1 硬件实现 | 第38页 |
| 4.1.1 多传感器融合硬件框图 | 第38页 |
| 4.1.2 飞行器实验平台介绍 | 第38页 |
| 4.2 软件算法实现 | 第38-47页 |
| 4.2.1 传感器数据处理 | 第39-44页 |
| 4.2.2 多传感器融合算法实现 | 第44-45页 |
| 4.2.3 传感器失效处理 | 第45-46页 |
| 4.2.4 多传感器融合软件流程 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 测试与结果分析 | 第48-55页 |
| 5.1 融合算法有效性验证 | 第48-49页 |
| 5.2 传感器失效实验 | 第49-50页 |
| 5.3 无GPS信号融合飞行实验 | 第50-51页 |
| 5.4 室外飞行实验 | 第51-52页 |
| 5.5 自主导航飞行实验 | 第52-54页 |
| 5.6 本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 作者攻读硕士期间的科研成果 | 第61-62页 |
| 致谢 | 第62页 |
