多传感器融合导航的关键技术研究
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第10-16页 |
1.1 研究工作的背景与意义 | 第10页 |
1.2 国内外研究历史与现状 | 第10-14页 |
1.2.1 多传感器组合导航数据融合架构 | 第10-12页 |
1.2.2 多传感器组合导航滤波解算理论 | 第12-14页 |
1.2.3 多传感器时空配准 | 第14页 |
1.3 本文的主要贡献与创新 | 第14-15页 |
1.4 本论文的结构安排 | 第15-16页 |
第二章 多传感器组合导航系统基础理论 | 第16-27页 |
2.1 导航定位坐标系及坐标转化 | 第16-19页 |
2.1.1 INS常用坐标系简介 | 第16-17页 |
2.1.2 坐标系之间的相互转化关系 | 第17-18页 |
2.1.3 GPS测量中的坐标系统和时间系统 | 第18-19页 |
2.2 GPS/INS组合导航定位方程及其解算 | 第19-23页 |
2.2.1 INS导航定位方程及其解算 | 第19-22页 |
2.2.2 GPS定位原理 | 第22-23页 |
2.2.2.1 GPS伪距定位原理 | 第22-23页 |
2.2.2.2 GPS的载波相位测量 | 第23页 |
2.3 组合导航系统的经典估计理论 | 第23-26页 |
2.3.1 最小二乘估计理论 | 第23-24页 |
2.3.2 卡尔曼滤波 | 第24-26页 |
2.4 小结 | 第26-27页 |
第三章 组合导航滤波估计理论研究 | 第27-47页 |
3.1 多传感器的时间与空间配准算法 | 第27-36页 |
3.1.1 时间配准算法 | 第28-30页 |
3.1.1.1 最小二乘配准法 | 第28-29页 |
3.1.1.2 内插外推法 | 第29-30页 |
3.1.2 多传感器的空间配准 | 第30-33页 |
3.1.3 仿真算例 | 第33-36页 |
3.2 有色噪声作用下的卡尔曼滤波问题研究 | 第36-46页 |
3.2.1 有色噪声的函数模型 | 第36-37页 |
3.2.1.1 一阶马尔科夫过程噪声 | 第36-37页 |
3.2.1.2 有色观测噪声模型 | 第37页 |
3.2.2 不同有色噪声情况下的卡尔曼滤波解 | 第37-39页 |
3.2.3 仿真算例 | 第39-46页 |
3.2.3.1 过程噪声为连续时间有色噪声 | 第39-43页 |
3.2.3.2 当观测噪声为有色噪声时 | 第43-46页 |
3.3 本章小结 | 第46-47页 |
第四章 多传感器数据融合的最优性问题研究 | 第47-65页 |
4.1 同步数据融合架构 | 第48-52页 |
4.1.1 集中式卡尔曼滤波 | 第48-49页 |
4.1.2 平行卡尔曼滤波 | 第49-50页 |
4.1.3 联邦卡尔曼滤波 | 第50-52页 |
4.2 分布式融合所存在的问题分析 | 第52-54页 |
4.2.1 平行滤波与联邦滤波所存在的问题 | 第52-53页 |
4.2.3 分布式融合中的状态相关性问题 | 第53-54页 |
4.3 多传感器异步数据融合问题研究 | 第54-60页 |
4.3.1 异步观测融合及所存在问题 | 第55-56页 |
4.3.2 异步状态融合及其所存在问题 | 第56-60页 |
4.4 仿真算例 | 第60-64页 |
4.4.1 同步融合比较 | 第60-63页 |
4.4.2 异步融合比较 | 第63-64页 |
4.5 本章小结 | 第64-65页 |
第五章 多传感器组合导航应用 | 第65-84页 |
5.1 GPS/INS组合导航系统原理 | 第65-76页 |
5.1.1 INS和GPS的误差模型 | 第66-71页 |
5.1.1.1 INS元件误差模型方程 | 第66-67页 |
5.1.1.2 INS的误差模型 | 第67-69页 |
5.1.1.3 GPS的误差模型 | 第69-71页 |
5.1.2 INS/GPS系统的组合方式 | 第71-73页 |
5.1.2.1 松耦合方式 | 第71-72页 |
5.1.2.2 紧耦合方式 | 第72-73页 |
5.1.3 GPS/INS组合导航系统的误差分析 | 第73-76页 |
5.2 LS-SVM辅助卡尔曼滤波 | 第76-83页 |
5.2.1 最小二乘支持向量机(LS-SVM) | 第76-77页 |
5.2.2 动力学模型中的非线性误差 | 第77-78页 |
5.2.3 仿真算例 | 第78-83页 |
5.3 本章小结 | 第83-84页 |
第六章 全文总结与展望 | 第84-85页 |
致谢 | 第85-86页 |
参考文献 | 第86-89页 |