| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 论文研究背景和意义 | 第11-12页 |
| 1.2 国内外发展现状 | 第12-15页 |
| 1.2.1 无人机姿态测量系统发展现状 | 第12-13页 |
| 1.2.2 实时载体磁干扰补偿算法现状 | 第13-14页 |
| 1.2.3 自适应实时融合算法发展现状 | 第14-15页 |
| 1.3 本文的主要工作和结构安排 | 第15-17页 |
| 2 MARG传感器载体磁干扰补偿算法 | 第17-29页 |
| 2.1 常用坐标系简介 | 第17-19页 |
| 2.1.1 常用坐标系 | 第17页 |
| 2.1.2 坐标系间相互转换 | 第17-19页 |
| 2.2 实时载体磁干扰补偿算法 | 第19-25页 |
| 2.2.1 载体磁干扰补偿原理 | 第19-20页 |
| 2.2.2 递推最小二乘（RLS）载体磁补偿算法原理 | 第20-21页 |
| 2.2.3 基于遗忘因子的RLS实时磁补偿算法 | 第21-23页 |
| 2.2.4 改进无基准实时磁补偿算法 | 第23-25页 |
| 2.3 无基准FFRLS算法载体磁干扰补偿算法验证 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 多模型自适应滤波算法设计 | 第29-51页 |
| 3.1 姿态解算基本原理 | 第29-32页 |
| 3.1.1 四元数微分方程及其求解方法 | 第29-30页 |
| 3.1.2 Kalman滤波基本方程 | 第30-32页 |
| 3.2 多模型算法的分类及特点 | 第32-35页 |
| 3.2.1 多模型自适应估计算法 | 第32-33页 |
| 3.2.2 交互多模型自适应估计算法 | 第33-34页 |
| 3.2.3 变结构多模型自适应算法 | 第34-35页 |
| 3.3 基于EKF的姿态解算算法 | 第35-37页 |
| 3.4 交互多模型算法设计 | 第37-42页 |
| 3.4.1 交互多模型估计算法设计 | 第37-39页 |
| 3.4.2 基于序贯滤波的分散交互多模型（DIMM）估计算法设计 | 第39-41页 |
| 3.4.3 Sage-Husa自适应Kalman滤波（SHAKF）算法 | 第41-42页 |
| 3.5 多模型自适应估计算法仿真 | 第42-47页 |
| 3.5.1 仿真条件 | 第42-44页 |
| 3.5.2 仿真结果对比及分析 | 第44-47页 |
| 3.6 分散式交互多模型自适应估计算法仿真 | 第47-50页 |
| 3.6.1 仿真条件 | 第47-48页 |
| 3.6.2 仿真结果分析 | 第48-50页 |
| 3.7 本章小结 | 第50-51页 |
| 4 MARG姿态测量系统实现与优化 | 第51-67页 |
| 4.1 硬件设计及选型 | 第51-57页 |
| 4.1.1 需求及总体方案 | 第51-52页 |
| 4.1.2 MARG传感器选型 | 第52-55页 |
| 4.1.3 MCU选型 | 第55-56页 |
| 4.1.4 ADC选型 | 第56-57页 |
| 4.2 基于Cortex-M4F内核的解算优化加速 | 第57-60页 |
| 4.2.1 Cortex-M4F内核架构简介 | 第57-58页 |
| 4.2.2 姿态解算算法及数据处理流程 | 第58-59页 |
| 4.2.3 基于FPU与DSP指令的算法硬件加速 | 第59页 |
| 4.2.4 CCM存储器对数据处理的优化 | 第59-60页 |
| 4.3 下位机软件设计 | 第60-65页 |
| 4.3.1 基于中断的前后台系统 | 第61-63页 |
| 4.3.2 Cortex-M4F内核硬件加速技术实现 | 第63-64页 |
| 4.3.3 DMA技术及其应用 | 第64-65页 |
| 4.4 本章小结 | 第65-67页 |
| 5 仿真与试验验证 | 第67-77页 |
| 5.1 姿态测量系统硬件加速实验 | 第67-69页 |
| 5.2 载体磁补偿算法半物理试验验证 | 第69-71页 |
| 5.3 实时融合算法半物理实验验证 | 第71-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间所取得的研究成果 | 第85-87页 |
| 致谢 | 第87-88页 |
