基于因子图的多传感器信息融合导航算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 无人机导航技术研究现状 | 第9-13页 |
| 1.2.2 多传感器信息融合算法研究现状 | 第13-15页 |
| 1.2.3 因子图模型理论研究现状 | 第15-16页 |
| 1.3 本文主要研究内容与章节安排 | 第16-18页 |
| 第2章 因子图模型理论 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 概率问题 | 第18-19页 |
| 2.3 因子图模型 | 第19-21页 |
| 2.4 消息传递算法 | 第21-25页 |
| 2.4.1 和—积算法 | 第22-24页 |
| 2.4.2 最大值—积算法 | 第24页 |
| 2.4.3 箭头及消息表示 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 组合导航系统信息融合算法研究 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 无人机组合导航系统多传感器信息融合 | 第26-28页 |
| 3.3 卡尔曼滤波 | 第28-31页 |
| 3.4 多传感器信息融合误差模型 | 第31-33页 |
| 3.5 状态方程及量测方程 | 第33-36页 |
| 3.5.1 状态方程 | 第33-35页 |
| 3.5.2 量测方程 | 第35-36页 |
| 3.6 校正方式选择 | 第36页 |
| 3.7 卡尔曼平滑算法 | 第36-37页 |
| 3.7.1 TFS滤波算法原理 | 第36页 |
| 3.7.2 自调整区间RTS滤波算法原理 | 第36-37页 |
| 3.8 本章小结 | 第37-38页 |
| 第4章 基于因子图的组合导航系统信息融合算法设计 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 线性状态空间模型在因子图中的表示 | 第38-39页 |
| 4.3 线性状态空间模型中的高斯消息传递 | 第39-45页 |
| 4.4 组合导航系统信息融合因子图框架结构 | 第45-46页 |
| 4.5 组合导航系统信息融合算法设计流程 | 第46-48页 |
| 4.6 仿真分析 | 第48-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第5章 改进因子图的组合导航系统信息融合算法设计 | 第52-61页 |
| 5.1 引言 | 第52页 |
| 5.2 抗差估计技术 | 第52-53页 |
| 5.2.1 异常观测检测 | 第52-53页 |
| 5.2.2 自适应观测协方差 | 第53页 |
| 5.3 改进因子图算法 | 第53-54页 |
| 5.4 仿真分析 | 第54-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |
