| 第1章 绪论 | 第1-31页 |
| 1．1 研究背景及课题来源 | 第13-14页 |
| 1．2 组合导航系统的研究现状与发展 | 第14-18页 |
| 1．2．1 惯性技术的发展 | 第14-15页 |
| 1．2．2 组合导航技术数字化与信息化 | 第15-16页 |
| 1．2．3 组合导航技术数字化新进展 | 第16-18页 |
| 1．3 多传感器信息融合的基本原理与功能结构 | 第18-25页 |
| 1．3．1 信息融合的基本原理 | 第18-19页 |
| 1．3．2 多传感器系统的描述 | 第19-21页 |
| 1．3．3 信息融合系统的结构模型 | 第21-25页 |
| 1．4 组合导航系统的信息融合技术 | 第25-29页 |
| 1．4．1 卡尔曼滤波技术 | 第26-27页 |
| 1．4．2 联合卡尔曼滤波技术 | 第27页 |
| 1．4．3 自适应滤波技术 | 第27-28页 |
| 1．4．4 多模型滤波技术 | 第28-29页 |
| 1．5 论文的研究内容以及组织结构 | 第29-31页 |
| 第2章 各导航传感器的模型分析 | 第31-45页 |
| 2．1 前言 | 第31页 |
| 2．2 惯性导航系统 | 第31-35页 |
| 2．2．1 陀螺漂移的模型分析 | 第31-33页 |
| 2．2．2 加速度计的模型分析 | 第33-35页 |
| 2．3 全球定位系统 | 第35-38页 |
| 2．3．1 GPS定位的数学模型 | 第36-37页 |
| 2．3．2 GPS的数据处理方法 | 第37-38页 |
| 2．4 Doppler计程仪 | 第38-40页 |
| 2．5 INS/北斗双星组合导航系统的模型分析 | 第40-44页 |
| 2．5．1 北斗双星导航定位原理 | 第40-43页 |
| 2．5．2 INS/北斗双星组合系统的数学模型 | 第43-44页 |
| 2．6 本章小结 | 第44-45页 |
| 第3章 小波分析在各导航传感器中的应用研究 | 第45-63页 |
| 3．1 前言 | 第45页 |
| 3．2 小波理论与应用研究 | 第45-51页 |
| 3．2．1 正交小波的概念 | 第46-48页 |
| 3．2．2 信号的多尺度小波分解研究 | 第48-50页 |
| 3．2．3 基于小波分解的信号特征提取算法研究 | 第50-51页 |
| 3．3 ARMA模型参数辨识 | 第51-54页 |
| 3．3．1 模型结构的确定 | 第51-52页 |
| 3．3．2 AR模型的参数估计方法 | 第52-53页 |
| 3．3．3 ARMA模型的参数估计方法 | 第53-54页 |
| 3．4 小波分析在各导航传感器中的应用研究 | 第54-62页 |
| 3．4．1 陀螺仪的噪声分析 | 第55-58页 |
| 3．4．2 Doppler的噪声分析 | 第58-59页 |
| 3．4．3 北斗双星噪声分析 | 第59-62页 |
| 3．5 本章小结 | 第62-63页 |
| 第4章 组合导航系统中的卡尔曼滤波理论应用研究 | 第63-93页 |
| 4．1 前言 | 第63-64页 |
| 4．2 Kalman滤波技术研究 | 第64-66页 |
| 4．2．1 离散 Kalman滤波基本方程 | 第64-65页 |
| 4．2．2 稳态 Kalman滤波 | 第65页 |
| 4．2．3 滤波的似然函数研究 | 第65-66页 |
| 4．3 集中Kalman滤波模型 | 第66-69页 |
| 4．3．1 滤波模型的建立 | 第66-69页 |
| 4．4 联合 Kalman滤波模型 | 第69-81页 |
| 4．4．1 联邦滤波算法基础 | 第69-71页 |
| 4．4．2 滤波模型的结构 | 第71-73页 |
| 4．4．3 各子滤波器不相关时的融合算法研究 | 第73-75页 |
| 4．4．4 各子滤波器相关时的融合算法研究 | 第75-80页 |
| 4．4．5 信息合成研究 | 第80-81页 |
| 4．5 联合滤波模型算法数据融合的研究 | 第81-84页 |
| 4．6 自适应滤波 | 第84-92页 |
| 4．6．1 Sage-Huas自适应滤波算法研究 | 第85-86页 |
| 4．6．2 基于 VOGL-BP网络的自适应卡尔曼滤波器设计 | 第86-91页 |
| 4．6．3 BP网自适应卡尔曼滤波器的结构研究 | 第91-92页 |
| 4．7 本章小结 | 第92-93页 |
| 第5章 多模型估计理论在组合导航系统中的应用研究 | 第93-103页 |
| 5．1 前言 | 第93页 |
| 5．2 多模型估计基本原理 | 第93-95页 |
| 5．3 多模型自适应估计 | 第95-98页 |
| 5．3．1 多模型自适应卡尔曼滤波器结构设计 | 第95-96页 |
| 5．3．2 基于多模型自适应卡尔曼滤波器方程应用研究 | 第96-97页 |
| 5．3．3 假设检验算法 | 第97-98页 |
| 5．4 交互式多模型算法 | 第98-103页 |
| 5．4．1 交互式多模型算法框图设计 | 第98-100页 |
| 5．4．2 基于交互式多模型卡尔曼滤波器方程应用研究 | 第100-103页 |
| 5．5 本章小结 | 第103页 |
| 第6章 各滤波模型在组合导航系统中的仿真研究 | 第103-136页 |
| 6．1 前言 | 第103-104页 |
| 6．2 INS/Doppler组合导航系统 | 第104-110页 |
| 6．2．1 Doppler系统观测的确定 | 第104-106页 |
| 6．2．2 Doppler系统方程的列写 | 第106-107页 |
| 6．2．3 INS/Doppler组合导航系统观测方程 | 第107-108页 |
| 6．2．4 INS/Doppler的仿真分析 | 第108-110页 |
| 6．3 伪距 GPS/INS组合导航系统的多模型自适应卡尔曼滤波器设计 | 第110-115页 |
| 6．3．1 多模型自适应卡尔曼滤波器结构 | 第110-113页 |
| 6．3．2 动态模型集的建立 | 第113页 |
| 6．3．3 系统仿真与分析 | 第113-115页 |
| 6．4 ESGM/INS系统多模型滤波器设计 | 第115-134页 |
| 6．4．1 滤波器模型 | 第116-118页 |
| 6．4．2 模型集的建立 | 第118页 |
| 6．4．3 多模型自适应卡尔曼滤波器设计 | 第118-119页 |
| 6．4．4 交互式多模型卡尔曼滤波器设计 | 第119-120页 |
| 6．4．5 仿真结果与分析 | 第120-134页 |
| 6．5 本章小结 | 第134-136页 |
| 结论 | 第136-138页 |
| 参考文献 | 第138-150页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第150-151页 |
| 致谢 | 第151页 |
