| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 INS/GNSS组合导航系统概述 | 第11-15页 |
| 1.2.1 惯性导航系统(INS)发展现状 | 第11页 |
| 1.2.2 全球卫星导航系统(GNSS)发展现状 | 第11-13页 |
| 1.2.3 INS/GNSS组合导航系统 | 第13-15页 |
| 1.3 惯性元件的随机误差 | 第15页 |
| 1.4 小波与神经网络发展现状 | 第15-17页 |
| 1.4.1 小波理论发展现状 | 第15-16页 |
| 1.4.2 神经网络发展现状 | 第16-17页 |
| 1.5 课题研究的内容和章节安排 | 第17-18页 |
| 第2章 GNSS/INS组合导航系统原理及模型 | 第18-33页 |
| 2.1 INS原理及误差方程 | 第18-24页 |
| 2.1.1 常用坐标系统 | 第18-19页 |
| 2.1.2 惯性导航基本方程 | 第19-20页 |
| 2.1.3 惯导系统误差模型 | 第20-24页 |
| 2.2 GNSS导航原理及其模型 | 第24-28页 |
| 2.2.1 伪距定位 | 第24-26页 |
| 2.2.2 GNSS测量误差 | 第26-28页 |
| 2.3 INS/GNSS组合导航系统模型 | 第28-32页 |
| 2.3.1 基于速度、位置的组合导航系统模型 | 第28-29页 |
| 2.3.2 基于伪距、伪距率的组合导航系统模型 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 陀螺随机误差分析及小波去噪 | 第33-48页 |
| 3.1 陀螺随机误差分析 | 第33-38页 |
| 3.1.1 惯性元件随机误差分析法 | 第33-34页 |
| 3.1.2 光纤陀螺随机误差类型 | 第34-36页 |
| 3.1.3 光纤陀螺实测数据分析 | 第36-38页 |
| 3.2 小波多分辨分析与阈值去噪 | 第38-42页 |
| 3.2.1 小波变换 | 第38-39页 |
| 3.2.2 小波多分辨分析 | 第39-40页 |
| 3.2.3 小波阈值去噪方法 | 第40-42页 |
| 3.3 光纤陀螺的小波阈值去噪 | 第42-47页 |
| 3.3.1 小波函数和分解层次的选取 | 第42-45页 |
| 3.3.2 小波阈值规则和量化方法选取 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 陀螺随机误差的对角神经网络建模 | 第48-62页 |
| 4.1 对角神经网络结构及其学习算法 | 第48-55页 |
| 4.1.1 神经网络基础 | 第48-50页 |
| 4.1.2 动态神经网络(递归神经网络) | 第50-51页 |
| 4.1.3 对角神经网络的结构 | 第51页 |
| 4.1.4 对角神经网络的学习算法及改进 | 第51-55页 |
| 4.2 基于对角神经网络的时序建模 | 第55-57页 |
| 4.2.1 外递归网络的时序建模 | 第55-56页 |
| 4.2.2 对角神经网络的时序建模 | 第56-57页 |
| 4.2.3 模型检验方法 | 第57页 |
| 4.3 基于对角神经网络的陀螺随机误差建模 | 第57-61页 |
| 4.3.1 对角神经网络设计 | 第57页 |
| 4.3.2 对角神经网络建模的仿真和验证 | 第57-60页 |
| 4.3.3 与其它建模方法的对比 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 小波与对角神经网络在组合导航系统的应用 | 第62-74页 |
| 5.1 基于WD-DRNN的伪距、伪距率组合导航系统 | 第62-64页 |
| 5.1.1 系统状态方程 | 第63页 |
| 5.1.2 观测方程 | 第63-64页 |
| 5.2 基于WD-DRNN的组合导航应用仿真 | 第64-73页 |
| 5.2.1 仿真系统构成 | 第64-65页 |
| 5.2.2 实测数据及分析 | 第65-68页 |
| 5.2.3 小波阈值去噪和DRNN建模仿真 | 第68-71页 |
| 5.2.4 伪距、伪距率组合导航系统的应用 | 第71-73页 |
| 5.3 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |