| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 选题背景与意义 | 第11页 |
| 1.2 GNSS/INS组合导航系统 | 第11-14页 |
| 1.2.1 惯性导航系统(INS)的发展 | 第11-12页 |
| 1.2.2 全球卫星导航系统（GNSS）的发展 | 第12-13页 |
| 1.2.3 GNSS/INS组合导航系统 | 第13-14页 |
| 1.3 最优估计方法及数据融合技术 | 第14-15页 |
| 1.4 人工神经网络方法 | 第15-17页 |
| 1.5 论文主要研究内容及章节安排 | 第17-18页 |
| 第2章 捷联式惯性导航技术 | 第18-35页 |
| 2.1 引言 | 第18页 |
| 2.2 常用坐标系统及其变换关系 | 第18-20页 |
| 2.2.1 常用坐标系定义 | 第19页 |
| 2.2.2 坐标系间的变换关系 | 第19-20页 |
| 2.3 捷联惯导系统的姿态矩阵解算 | 第20-23页 |
| 2.3.1 四元数与姿态矩阵 | 第21-22页 |
| 2.3.2 姿态矩阵的解算 | 第22-23页 |
| 2.4 捷联惯导系统的导航参数计算 | 第23-25页 |
| 2.5 捷联惯导系统的误差方程 | 第25-29页 |
| 2.5.1 速度误差方程 | 第26-27页 |
| 2.5.2 位置误差方程 | 第27-28页 |
| 2.5.3 姿态角误差方程 | 第28-29页 |
| 2.6 捷联惯导系统仿真 | 第29-34页 |
| 2.6.1 航行轨迹模拟 | 第30-31页 |
| 2.6.2 陀螺仪仿真 | 第31-33页 |
| 2.6.3 加速度计仿真 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 GNSS/SINS组合系统常用数据融合算法及性能分析 | 第35-53页 |
| 3.1 引言 | 第35页 |
| 3.2 GNSS/SINS的组合模式介绍 | 第35-37页 |
| 3.2.1 松组合模式 | 第35-36页 |
| 3.2.2 紧组合模式 | 第36-37页 |
| 3.3 GNSS定位原理及其模型 | 第37-39页 |
| 3.3.1 GNSS伪距定位原理 | 第37-38页 |
| 3.3.2 GNSS测量误差源 | 第38-39页 |
| 3.4 GNSS/SINS组合导航中的卡尔曼滤波算法 | 第39-47页 |
| 3.4.1 基于KF的松组合 | 第39-43页 |
| 3.4.2 基于UKF的松组合 | 第43-47页 |
| 3.4.3 卡尔曼滤波算法总结 | 第47页 |
| 3.5 基于最优反向平滑RTSS的松组合 | 第47-50页 |
| 3.5.1 最优反向平滑方法基本原理和分类 | 第47-49页 |
| 3.5.2 固定区间RTSS算法 | 第49-50页 |
| 3.6 GNSS/SINS组合系统仿真 | 第50-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第4章 GNSS/SINS组合系统卫星信号中断期间误差行为建模 | 第53-66页 |
| 4.1 引言 | 第53页 |
| 4.2 多层前馈神经网络(MFNN) | 第53-55页 |
| 4.2.1 MFNN的基础结构 | 第53-54页 |
| 4.2.2 MFNN的基本原理 | 第54-55页 |
| 4.3 级联相关神经网络(CCNN)的结构及算法设计 | 第55-61页 |
| 4.3.1 级联相关神经网络的结构 | 第56-58页 |
| 4.3.2 级联相关神经网络的学习算法设计 | 第58-61页 |
| 4.4 基于ANNS的组合系统卫星信号中断期间误差建模 | 第61-65页 |
| 4.4.1 基于MFNN的误差行为建模 | 第62页 |
| 4.4.2 基于CCNN的误差行为建模 | 第62-63页 |
| 4.4.3 MFNN与CCNN学习能力对比 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 有卫星信号中断GNSS/SINS组合系统离线算法仿真 | 第66-75页 |
| 5.1 引言 | 第66页 |
| 5.2 基于RTSS和ANNS的离线数据融合算法 | 第66-67页 |
| 5.3 仿真系统构成 | 第67页 |
| 5.4 算法验证 | 第67-73页 |
| 5.4.1 神经网络的学习和验证 | 第68-71页 |
| 5.4.2 仿真结果分析 | 第71-73页 |
| 5.5 本章小结 | 第73-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
