飛行器組合導(dǎo)航魯棒濾波理論及應(yīng)用（精）

1.1 慣性導(dǎo)航技術(shù)的發(fā)展
1.2 衛(wèi)星導(dǎo)航系統(tǒng)的發(fā)展
1.3 組合導(dǎo)航技術(shù)
1.3.1 慣性／衛(wèi)星組合導(dǎo)航系統(tǒng)
1.3.2 低成本MIMU／衛(wèi)星組合導(dǎo)航系統(tǒng)
1.4 濾波方法
1.4.1 濾波理論解決的問題
1.4.2 傳統(tǒng)的濾波方法
1.4.3 魯棒濾波方法
1.5 本書主要內(nèi)容
參考文獻(xiàn)
第2章 慣性／衛(wèi)星組合導(dǎo)航原理與方法
2.1 引言
2.2 慣性／衛(wèi)星組合導(dǎo)航模式和結(jié)構(gòu)
2.2.1 組合模式
2.2.2 組合導(dǎo)航的典型結(jié)構(gòu)
2.3 慣性組合導(dǎo)航系統(tǒng)設(shè)計(jì)的方法和原則
2.3.1 組合導(dǎo)航濾波結(jié)構(gòu)和濾波算法
2.3.2 組合系統(tǒng)的估計(jì)方法
2.3.3 組合系統(tǒng)濾波狀態(tài)選擇
2.3.4 組合系統(tǒng)的校正方法
2.4 慣性／衛(wèi)星組合導(dǎo)航的模型和算法
2.4.1 INS和衛(wèi)星導(dǎo)航接收機(jī)的誤差模型
2.4.2 位置、速度組合的狀態(tài)方程和觀測方程
2.4.3 偽距、偽距率組合的狀態(tài)方程和觀測方程
2.4.4 系統(tǒng)離散方程及傳統(tǒng)卡爾曼濾波方程
參考文獻(xiàn)
第3章 H∞濾波理論及其在組合導(dǎo)航中的應(yīng)用
3.1 引言
3.2 H∞濾波問題的數(shù)學(xué)描述
3.3 H∞次優(yōu)濾波問題的一種求解方法
3.4 H∞濾波與卡爾曼濾波
3.4.1 H∞濾波與卡爾曼濾波方程的重新描述
3.4.2 H∞濾波與卡爾曼濾波的關(guān)系
3.5 H∞濾波在組合導(dǎo)航系統(tǒng)中的應(yīng)用
3.5.1 位置、速度組合系統(tǒng)狀態(tài)方程
3.5.2 位置、速度組合系統(tǒng)量測方程的建立
3.5.3 仿真分析和結(jié)果比較
3.6 針對(duì)R和Q陣已知系統(tǒng)的H∞濾波算法及仿真
3.6.1 已知R和Q陣時(shí)的H∞濾波算法
3.6.2 仿真分析
3.7 小結(jié)
參考文獻(xiàn)
第4章 基于極大似然準(zhǔn)則的自適應(yīng)卡爾曼濾波
4.1 引言
4.2 極大似然自適應(yīng)卡爾曼濾波器
4.2.1 自適應(yīng)卡爾曼濾波器的極大似然估計(jì)準(zhǔn)則
4.2.2 噪聲協(xié)方差矩陣的調(diào)整
4.2.3 新息序列的白化過程
4.2.4 極大似然自適應(yīng)卡爾曼濾波方程
4.2.5 自適應(yīng)卡爾曼濾波器品質(zhì)分析
4.3 自適應(yīng)卡爾曼濾波在偽距、偽距率組合中的應(yīng)用
4.3.1 偽距、偽距率組合系統(tǒng)狀態(tài)方程
4.3.2 偽距、偽距率組合系統(tǒng)量測方程
4.3.3 仿真應(yīng)用
4.4 小結(jié)
參考文獻(xiàn)
第5章 區(qū)間卡爾曼濾波算法及其應(yīng)用
5.1 引言
5.2 區(qū)間
5.2.1 區(qū)間的概念及其性質(zhì)
5.2.2 區(qū)間的運(yùn)算
5.2.3 區(qū)間期望和方差的定義
5.3 基于區(qū)間的卡爾曼濾波方程推導(dǎo)
5.4 區(qū)間卡爾曼濾波器簡化
5.5 區(qū)間卡爾曼濾波器在載波相位組合導(dǎo)航中的應(yīng)用
5.5.1 GPS載波相位差分定位原理
5.5.2 載波相位組合系統(tǒng)模型
5.5.3 區(qū)間卡爾曼濾波器在低成本慣性組合系統(tǒng)中的應(yīng)用
5.6 小結(jié)
參考文獻(xiàn)
第6章 StirIing插值濾波算法及其應(yīng)用
6.1 引言
6.2 插值濾波的理論基礎(chǔ)
6.2.1 插值近似的原理
6.2.2 條件期望狀態(tài)估計(jì)算法
6.3 基于Stirling插值的非線性估計(jì)算法
6.3.1 一階近似非線性估計(jì)算法（DD1）
6.3.2 二階近似非線性估計(jì)算法（DD2）
6.3.3 濾波計(jì)算流程
6.4 插值濾波算法在慣性組合系統(tǒng)中的應(yīng)用特性分析
6.4.1 校正模式
6.4.2 連續(xù)系統(tǒng)的計(jì)算量分析
6.4.3 狀態(tài)變量的取舍及影響
6.5 慣性／多普勒系統(tǒng)／衛(wèi)星組合系統(tǒng)
6.5.1 慣性／多普勒系統(tǒng)組合系統(tǒng)
6.5.2 慣性／衛(wèi)星組合系統(tǒng)
6.6 應(yīng)用仿真
6.6.1 仿真條件
6.6.2 仿真結(jié)果與分析
6.7 小結(jié)
參考文獻(xiàn)
第7章 質(zhì)子濾波理論在組合導(dǎo)航中的應(yīng)用
7.1 引言
7.2 質(zhì)子濾波理論
7.2.1 遞推Bayesian估計(jì)
7.2.2 質(zhì)子濾波算法
7.2.3 Rao-Blackwellization質(zhì)子濾波算法
7.3 質(zhì)子濾波理論在組合導(dǎo)航中的應(yīng)用
7.3.1 濾波算法的選擇
7.3.2 組合導(dǎo)航結(jié)構(gòu)分析
7.3.3 基于級(jí)聯(lián)濾波的組合導(dǎo)航算法
7.4 小結(jié)
參考文獻(xiàn)
第8章 神經(jīng)網(wǎng)絡(luò)及其在組合導(dǎo)航的應(yīng)用
8.1 引言
8.2 神經(jīng)網(wǎng)絡(luò)概述
8.2.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)原理
8.2.2 神經(jīng)網(wǎng)絡(luò)發(fā)展歷史
8.2.3 神經(jīng)網(wǎng)絡(luò)特性
8.2.4 神經(jīng)網(wǎng)絡(luò)的應(yīng)用和發(fā)展
8.3 導(dǎo)航系統(tǒng)的智能化結(jié)構(gòu)設(shè)計(jì)
8.4 神經(jīng)網(wǎng)絡(luò)輔助卡爾曼濾波的智能化組合導(dǎo)航系統(tǒng)設(shè)計(jì)
8.4.1 神經(jīng)網(wǎng)絡(luò)輔助卡爾曼濾波估計(jì)融合方案
8.4.2 神經(jīng)網(wǎng)絡(luò)輔助卡爾曼濾波工作原理
8.4.3 組合導(dǎo)航系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
8.4.4 融合神經(jīng)網(wǎng)絡(luò)模型
8.4.5 融合神經(jīng)網(wǎng)絡(luò)訓(xùn)練
8.4.6 智能化特點(diǎn)
8.5 智能化容錯(cuò)組合導(dǎo)航系統(tǒng)仿真分析
8.5.1 仿真系統(tǒng)的組成和功能
8.5.2 仿真準(zhǔn)備
8.5.3 估計(jì)融合仿真結(jié)果與分析
8.6 小結(jié)
參考文獻(xiàn)
第9章 低成本組合導(dǎo)航系統(tǒng)的初始化
9.1 引言
9.2 微機(jī)電陀螺誤差建模
9.2.1 微機(jī)電陀螺的組成、原理與分類
9.2.2 微機(jī)電陀螺誤差建模
9.2.3 一般誤差模型方程
9.2.4 MCVG誤差模型方程
9.2.5 MCVG隨機(jī)誤差模型參數(shù)確定
9.3 低成本慣性組合系統(tǒng)的初始對(duì)準(zhǔn)
9.3.1 基于規(guī)范化四元數(shù)的組合系統(tǒng)初始對(duì)準(zhǔn)
9.3.2 平臺(tái)坐標(biāo)系與慣性坐標(biāo)系間旋轉(zhuǎn)四元數(shù)的求解
9.4 利用整型白化濾波器求解整周模糊數(shù)
9.4.1 整周模糊數(shù)的實(shí)時(shí)確定
9.4.2 利用最小二乘方法求解整周模糊數(shù)浮點(diǎn)解
9.4.3 確定整周模糊數(shù)的整型白化濾波器
9.5 小結(jié)
參考文獻(xiàn)