| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 贝叶斯估计框架下的滤波方法 | 第9-11页 |
| 1.2.2 系统误差配准方法 | 第11-12页 |
| 1.3 文章研究内容和结构安排 | 第12-15页 |
| 2 状态估计与典型系统误差配准方法 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 系统模型 | 第15-19页 |
| 2.2.1 线性系统模型 | 第16页 |
| 2.2.2 非线性系统模型 | 第16-17页 |
| 2.2.3 目标运动模型 | 第17-19页 |
| 2.3 典型滤波算法 | 第19-25页 |
| 2.3.1 卡尔曼滤波算法 | 第19-20页 |
| 2.3.2 扩展卡尔曼滤波算法 | 第20-21页 |
| 2.3.3 不敏卡尔曼滤波算法 | 第21-23页 |
| 2.3.4 容积卡尔曼滤波算法 | 第23-25页 |
| 2.4 典型系统误差配准算法 | 第25-30页 |
| 2.4.1 实时质量控制算法 | 第25-27页 |
| 2.4.2 最小二乘算法 | 第27-28页 |
| 2.4.3 最大似然算法 | 第28-29页 |
| 2.4.4 基于卡尔曼滤波器的空间配准算法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于Rao-Blackwellized扩展卡尔曼滤波的系统误差和状态联合估计 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 问题描述 | 第31-32页 |
| 3.3 RB-EKF算法描述 | 第32-34页 |
| 3.4 RB-EKF框架下的系统误差和状态联合估计算法 | 第34-37页 |
| 3.5 仿真实验与分析 | 第37-39页 |
| 3.6 本章小结 | 第39-41页 |
| 4 基于卡尔曼一致性滤波的系统误差和状态联合估计 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 问题描述 | 第41-42页 |
| 4.3 卡尔曼一致性滤波 | 第42-44页 |
| 4.3.1 网络拓扑建模 | 第42页 |
| 4.3.2 卡尔曼一致性滤波实现原理 | 第42-44页 |
| 4.4 联合估计算法描述 | 第44-45页 |
| 4.5 仿真实验与分析 | 第45-48页 |
| 4.6 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 攻读学位期间的科研成果 | 第57-58页 |