| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12页 |
| 1.2 非高斯/非线性滤波理论研究现状 | 第12-18页 |
| 1.2.1 高斯白噪声线性滤波 | 第13页 |
| 1.2.2 高斯白噪声非线性滤波 | 第13-14页 |
| 1.2.3 非高斯白噪声线性滤波 | 第14-17页 |
| 1.2.3.1 基于随机模型或函数模型改正的有色噪声滤波补偿法 | 第15-16页 |
| 1.2.3.2 基于高斯概率分布逼近的方法 | 第16页 |
| 1.2.3.3 基于非高斯概率分布的方法 | 第16-17页 |
| 1.2.4 非高斯非线性滤波 | 第17-18页 |
| 1.2.4.1 基于卡尔曼滤波的扩展算法 | 第17页 |
| 1.2.4.2 基于序列蒙特卡洛(Sequential Monte Carlo,SMC)的方法 | 第17-18页 |
| 1.3 非高斯/非线性滤波理论在GPS动态定位中的应用现状 | 第18-19页 |
| 1.4 主要研究内容和结果 | 第19-21页 |
| 第二章 GPS误差来源及其非高斯性分析 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 GPS观测量及其误差来源 | 第21-27页 |
| 2.2.1 GPS观测量及观测方程 | 第21-23页 |
| 2.2.2 GPS观测量的误差来源及影响 | 第23-27页 |
| 2.3 非高斯白噪声度量方法 | 第27-29页 |
| 2.3.1 高斯分布度量方法 | 第27-29页 |
| 2.3.1.1 峭度(kurtosis) | 第27-28页 |
| 2.3.1.2 正态概率分位图(Quantile-Quantile Plot) | 第28-29页 |
| 2.3.2 白噪声度量方法 | 第29页 |
| 2.4 GPS动态定位观测噪声的统计分析 | 第29-34页 |
| 2.4.1 GPS伪距观测噪声分析(较好观测条件) | 第30-32页 |
| 2.4.2 GPS伪距观测噪声分析(较差观测条件) | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 几种应用于GPS动态定位的非线性滤波算法性能综合评价 | 第35-65页 |
| 3.1 引言 | 第35页 |
| 3.2 GPS动态定位的状态空间模型 | 第35-40页 |
| 3.2.1 GPS伪距动态单点定位滤波模型 | 第35-36页 |
| 3.2.2 GPS双频动态精密单点定位滤波模型 | 第36-38页 |
| 3.2.3 GPS单频动态精密单点定位滤波模型 | 第38-40页 |
| 3.3 GPS动态定位模型线性化误差分析 | 第40-41页 |
| 3.4 GPS动态定位常用的几种非线性滤波 | 第41-47页 |
| 3.4.1 扩展卡尔曼滤波(EKF) | 第42-43页 |
| 3.4.2 无迹卡尔曼滤波(UKF) | 第43-44页 |
| 3.4.3 容积卡尔曼滤波(CKF) | 第44-45页 |
| 3.4.4 粒子滤波(PF) | 第45-47页 |
| 3.5 滤波性能评价准则 | 第47-51页 |
| 3.5.1 准确度(Accuracy) | 第48页 |
| 3.5.2 一致性(Consistency) | 第48-49页 |
| 3.5.3 置信度(Confidence) | 第49-51页 |
| 3.6 算例及分析 | 第51-63页 |
| 3.6.1 模拟算例 | 第51-60页 |
| 3.6.1.1 线性化误差的影响(高斯白噪声条件下) | 第52-55页 |
| 3.6.1.2 非高斯白噪声的影响 | 第55-57页 |
| 3.6.1.3 非高斯有色噪声的影响 | 第57-60页 |
| 3.6.2 GPS动态定位算例 | 第60-63页 |
| 3.7 本章小结 | 第63-65页 |
| 第四章 基于时间序列参数模型补偿的自适应滤波算法 | 第65-84页 |
| 4.1 引言 | 第65-66页 |
| 4.2 基于一阶AR模型补偿的自适应滤波 | 第66-71页 |
| 4.2.1 顾及未知转移矩阵的自适应滤波算法 | 第67-68页 |
| 4.2.2 算例分析 | 第68-71页 |
| 4.3 基于MA模型补偿的两阶段自适应滤波 | 第71-77页 |
| 4.3.1 考虑MA有色噪声的状态空间模型 | 第71-72页 |
| 4.3.2 基于新息向量的自适应卡尔曼滤波 | 第72-73页 |
| 4.3.3 基于MA有色噪声的两阶段补偿滤波 | 第73-76页 |
| 4.3.4 算例与分析 | 第76-77页 |
| 4.4 基于多项式AR模型补偿的自适应滤波 | 第77-83页 |
| 4.4.1 基于多项式逼近理论的AR有色噪声模型 | 第78-79页 |
| 4.4.2 基于多项式逼近理论的AR非高斯有色噪声补偿滤波 | 第79-80页 |
| 4.4.3 算例与分析 | 第80-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第五章 基于核半参数模型补偿的自适应滤波算法及应用 | 第84-103页 |
| 5.1 引言 | 第84页 |
| 5.2 半参数模型及估计方法 | 第84-94页 |
| 5.2.1 基于多项式逼近的正则矩阵补偿最小二乘估计 | 第85-87页 |
| 5.2.2 半参数模型估计的正则核方法 | 第87-91页 |
| 5.2.2.1 非参数模型的正则核估计法 | 第87-90页 |
| 5.2.2.2 基于正则核函数的半参数模型核估计 | 第90-91页 |
| 5.2.3 算例与分析 | 第91-94页 |
| 5.2.3.1 算例1 | 第91-93页 |
| 5.2.3.2 算例2 | 第93-94页 |
| 5.3 基于半参数模型正则核估计的滤波补偿法 | 第94-100页 |
| 5.3.1 滑窗递推正则核估计算法 | 第95-96页 |
| 5.3.2 基于正则核估计的自适应EKF算法 | 第96-98页 |
| 5.3.3 算例和分析 | 第98-100页 |
| 5.4 GPS动态定位算例 | 第100-102页 |
| 5.5 本章小结 | 第102-103页 |
| 第六章 基于高斯混合模型的非高斯有色噪声的非线性滤波算法 | 第103-116页 |
| 6.1 引言 | 第103-104页 |
| 6.2 高斯混合模型 | 第104-106页 |
| 6.2.1 高斯混合模型的定义 | 第104-105页 |
| 6.2.2 基于EM算法的高斯混合模型参数估计方法 | 第105-106页 |
| 6.3 高斯混合ARMA模型 | 第106-107页 |
| 6.4 基于高斯混合AR模型的非高斯非线性滤波 | 第107-111页 |
| 6.4.1 自适应高斯混合EKF(GMEKF) | 第107-108页 |
| 6.4.2 顾及非高斯有色噪声影响的高斯混合AR滤波(GmarEKF) | 第108-111页 |
| 6.5 算例与分析 | 第111-114页 |
| 6.5.1 模拟算例 | 第111-113页 |
| 6.5.2 GPS动态定位算例 | 第113-114页 |
| 6.6 本章小结 | 第114-116页 |
| 第七章 总结与展望 | 第116-119页 |
| 参考文献 | 第119-130页 |
| 作者简历 攻读博士学位期间完成的主要工作 | 第130-132页 |
| 致谢 | 第132页 |
