仿生偏振光羅盤信息處理技術

第1章 緒論 001
1.1 發(fā)展背景與研究意義 003
1.2 仿生偏振光定向方法 005
1.3 仿生偏振光羅盤定向誤差處理方法 012
1.4 仿生偏振光羅盤／慣導組合定向系統(tǒng)與方法 018
第2章 大氣偏振模式的定向方法與系統(tǒng) 023
2.1 大氣偏振模式的定向方法 025
2.1.1 大氣偏振模式的中性點特性分析及自動識別 025
2.1.2 基于太陽子午線的成像式仿生偏振光羅盤定向算法 028
2.2 基于FPGA的仿生偏振光羅盤設計與集成 033
2.3 仿生偏振光羅盤定向試驗 037
2.3.1 靜態(tài)定向試驗 040
2.3.2 轉臺動態(tài)定向試驗 042
2.3.3 無人機機載動態(tài)試驗 043
2.4 本章小結 046

第3章 仿生偏振光羅盤噪聲處理技術 049
3.1 仿生偏振光羅盤噪聲分析 051
3.1.1 偏振角圖像噪聲產生機理及特性分析 051
3.1.2 航向角數據噪聲產生機理及特性分析 055
3.2 基于多尺度變換的仿生偏振光羅盤圖像去噪技術 058
3.2.1 基于多尺度變換的偏振角圖像去噪技術 060
3.2.2 基于BEMD的MS-PCA仿生偏振光羅盤圖像去噪技術 063
3.2.3 基于BEMD的MS-PCA偏振角圖像去噪方法驗證 066
3.3 仿生偏振光羅盤數據去噪技術 078
3.3.1 基于多尺度變換的仿生偏振光羅盤數據去噪技術 078
3.3.2 基于EEMD的MS-TFPF仿生偏振光羅盤數據去噪技術 081
3.4 基于多尺度變換的仿生偏振光羅盤數據去噪測試 088
3.5 本章小結 098
第4章 仿生偏振光羅盤定向誤差建模與補償技術 101
4.1 偏振光定向誤差分析與模型介紹 103
4.1.1 偏振光定向誤差分析 103
4.1.2 偏振光定向誤差模型構建 107
4.2 典型神經網絡模型 109
4.2.1 循環(huán)神經網絡（RNN） 109
4.2.2 長短期記憶（LSTM）神經網絡 112
4.2.3 門控循環(huán)單元（GRU）神經網絡 119
4.3 基于GRU深度學習神經網絡的
仿生偏振光羅盤定向誤差建模與補償 123
4.4 基于GRU深度學習神經網絡的
仿生偏振光羅盤定向誤差模型試驗驗證 128
4.5 本章小結 131
第5章 仿生偏振光羅盤／慣導無縫組合定向方法與系統(tǒng) 133
5.1 仿生偏振光羅盤／慣導無縫組合定向系統(tǒng) 135
5.2 仿生偏振光羅盤／慣導無縫組合定向模型構建 138
5.3 基于自學習多頻率殘差校正的
仿生偏振光羅盤／慣導無縫組合定向方法 141
5.4 仿生偏振光羅盤／慣導無縫組合定向方法試驗驗證 148
5.5 本章小結 155
第6章 總結與展望 157
6.1 仿生偏振光羅盤智能信息處理技術總結 159
6.2 研究展望 161
參考文獻 162