基于联邦卡尔曼滤波和机器学习的组合导航系统
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-11页 |
| ·国内外研究现状及发展概况 | 第11-14页 |
| ·独立导航技术概述 | 第11-12页 |
| ·组合导航系统发展概况 | 第12-13页 |
| ·组合导航系统的信息融合技术研究现状 | 第13-14页 |
| ·论文的研究内容 | 第14-15页 |
| ·论文的章节安排 | 第15-16页 |
| 第二章 INS/GPS组合导航系统 | 第16-22页 |
| ·惯性导航系统 | 第16-18页 |
| ·惯性导航系统的基本工作原理 | 第16页 |
| ·惯性导航系统的基本方程 | 第16-18页 |
| ·全球卫星定位系统GPS | 第18-20页 |
| ·GPS系统组成 | 第18-19页 |
| ·GPS定位原理 | 第19-20页 |
| ·INS/GPS组合导航系统模型 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 联邦卡尔曼滤波的分析与设计 | 第22-38页 |
| ·卡尔曼滤波原理与方程 | 第22-23页 |
| ·联邦卡尔曼滤波模型 | 第23-36页 |
| ·各子滤波器估计不相关时的融合算法 | 第23-25页 |
| ·各子滤波器估计相关时的融合算法 | 第25-30页 |
| ·联邦卡尔曼滤波的系统结构与性能分析 | 第30-32页 |
| ·仿真研究 | 第32-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 联邦卡尔曼滤波器容错性设计 | 第38-48页 |
| ·系统级的故障检测与隔离 | 第38-39页 |
| ·组合导航系统容错设计 | 第39-40页 |
| ·仿真研究 | 第40-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 支持向量机在信息融合中的应用 | 第48-56页 |
| ·支持向量机 | 第48-50页 |
| ·局部最小二乘支持向量机 | 第50-53页 |
| ·最小二乘支持向量机 | 第50-51页 |
| ·局部最小二乘支持向量机 | 第51-53页 |
| ·支持向量机在组合导航中的应用及仿真研究 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 结论与展望 | 第56-58页 |
| ·结论 | 第56页 |
| ·工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录A (攻读硕士期间发表的论文) | 第62-64页 |
| 附录B (攻读硕士期间申请的软件著作权) | 第64页 |
