组合导航及其信息融合方法PDF|Epub|txt|kindle电子书版本下载

组合导航及其信息融合方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引言1

1.1 组合导航系统的发展简介1

1.2 组合导航系统概述3

1.2.1 几种导航系统简介4

1.2.2 基于惯性导航的组合导航系统简介5

1.2.3 导航常用坐标系6

1.2.4 导航坐标系之间的变换8

1.3 信息融合技术在组合导航系统中的应用9

1.3.1 卡尔曼滤波算法9

1.3.2 联邦滤波算法10

1.3.3 非等间隔卡尔曼滤波算法10

1.3.4 组合导航中的信息估计融合10

参考文献11

第2章 惯性／卫星组合导航及其最优滤波方法12

2.1 概述12

2.2 线性系统估计13

2.2.1 线性系统描述13

2.2.2 卡尔曼滤波算法14

2.2.3 序贯卡尔曼滤波算法16

2.2.4 平方根滤波17

2.2.5 UDUT分解滤波18

2.3 GPS／惯性组合模式20

2.3.1 松散组合20

2.3.2 紧密组合21

2.3.3 组合模式的选择说明23

2.4 GPS仿真器数学模型23

2.4.1 卫星在地球坐标系中的位置模型23

2.4.2 卫星在地球坐标系中的速度模型25

2.4.3 最佳导航卫星的选择算法30

2.4.4 伪距的模拟及用户位置解算31

2.4.5 伪距率的模拟及用户速度解算31

2.5 IMU输出信息的仿真模型32

2.5.1 轨迹参数的确定32

2.5.2 比力、角速率（角增量）信息的确定32

2.5.3 捷联惯性导航的算法35

2.6 基于位置、速度的组合导航系统的数学模型37

2.6.1 组合导航系统的状态方程37

2.6.2 组合导航系统的测量方程39

2.6.3 系统方程的离散化41

2.7 卡尔曼滤波器的设计与实现41

2.7.1 卡尔曼滤波器42

2.7.2 卡尔曼滤波器在组合导航中的应用形式42

2.8 基于伪距、伪距率的组合导航系统的数学模型43

2.8.1 组合导航系统的状态方程43

2.8.2 组合导航系统的量测方程44

2.9 组合导航仿真试验46

2.9.1 基于伪距伪距率与基于位置速度的组合导航试验结果对比47

2.9.2 基于不同滤波方法的组合导航试验结果对比48

2.10 小结49

参考文献49

第3章 惯性／卫星深组合导航技术50

3.1 概述50

3.2 卫星导航接收机跟踪环路50

3.2.1 信号跟踪环路分析51

3.2.2 信号解调原理分析53

3.3 惯性／卫星深组合导航中的接收机环路观测模型56

3.4 深组合导航的模型介绍58

3.4.1 Draper实验室的深组合系统与滤波体系58

3.4.2 IGS LLC深组合系统及其系统方案61

3.4.3 加拿大遥感中心（CRS）深组合系统及其系统方案64

3.4.4 Calgary大学超紧组合系统及其系统方案64

3.5 小结65

参考文献65

第4章 惯性／激光雷达组合导航67

4.1 概述67

4.2 基于激光雷达的导航原理67

4.2.1 激光雷达测量原理及结构化环境特征分析68

4.2.2 激光雷达特征区域分割算法68

4.2.3 基于直线假设的点和线段特征提取算法69

4.3 惯性／激光雷达组合算法研究70

4.3.1 基于EKF的SLAM组合算法71

4.3.2 基于位置方位组合的惯性／激光雷达组合导航算法研究79

4.4 小结83

参考文献83

第5章 大气／惯性导航系统的信息融合技术85

5.1 概述85

5.2 大气数据系统技术的发展状况85

5.3 机载大气／惯性数据信息融合技术研究现状87

5.4 大气／惯性导航系统的高度融合算法87

5.4.1 大气／惯性导航高度阻尼原理分析88

5.4.2 跨声速大气／惯性高度融合算法89

5.5 大气／惯性导航系统的攻角补偿修正算法91

5.5.1 攻角及其传感器配置分析91

5.5.2 攻角传感器误差与校准分析93

5.5.3 基于BP神经网络的跨声速攻角补偿修正算法研究93

5.6 角惯性导航辅助大气数据系统补偿滤波算法96

5.6.1 状态方程建立96

5.6.2 系统量测方程建立97

5.6.3 卡尔曼滤波器设计98

5.6.4 大气数据解算方法99

5.6.5 算法验证与分析99

5.7 本章小结100

参考文献101

第6章 多传感器组合导航系统中的状态估计算法102

6.1 集中式多传感器状态估计102

6.2 分布式多传感器状态估计104

6.3 联邦滤波器106

6.3.1 问题描述106

6.3.2 方差上界技术107

6.3.3 联邦滤波的一般结构110

6.3.4 联邦滤波器的工作流程111

6.3.5 联邦滤波器的最优性证明112

6.3.6 联邦滤波器结构115

6.3.7 联邦滤波器结构比较118

6.3.8 联邦滤波器的特点118

6.3.9 联邦滤波器的简化形式119

6.4 带反馈信息的分布估计119

6.4.1 多组合导航系统的两层分布融合模型120

6.4.2 有无反馈情况下的融合解的关系123

6.4.3 仿真分析125

6.5 本章小结127

参考文献127

第7章 基于多尺度的综合导航系统信息融合算法129

7.1 多传感器多尺度组合导航系统的信息融合算法研究129

7.1.1 GPS/SST/SINS多组合导航系统数学模型129

7.1.2 算法描述130

7.1.3 系统分块算法131

7.1.4 系统多尺度描述137

7.1.5 系统的多尺度滤波算法139

7.1.6 仿真试验及分析140

7.2 多传感器组合导航系统的多尺度分布式滤波算法143

7.2.1 多尺度融合算法的建立144

7.2.2 基于尺度的分布式融合算法148

7.2.3 仿真试验及结论151

7.3 多传感器组合导航系统的多尺度异步融合算法154

7.3.1 常规异步信息融合算法154

7.3.2 基于多尺度的异步信息融合算法156

7.3.3 仿真试验与结论158

7.4 本章小结160

参考文献160

第8章 基于非线性的组合导航滤波方法162

8.1 概述162

8.2 扩展卡尔曼滤波算法162

8.2.1 围绕标称状态线性化的卡尔曼滤波方程163

8.2.2 围绕估计状态线性化的卡尔曼滤波方程165

8.3 无迹卡尔曼滤波算法167

8.3.1 UT变换167

8.3.2 UKF算法描述169

8.4 基于UKF的惯性组合导航直接式滤波模型170

8.4.1 状态方程与量测方程170

8.4.2 基于UKF的惯性组合导航直接式滤波流程172

8.4.3 基于UKF的惯性组合导航直接式滤波仿真验证175

8.5 粒子滤波理论178

8.5.1 动态状态空间模型179

8.5.2 贝叶斯估计理论180

8.5.3 粒子滤波理论181

8.6 基于粒子滤波算法的组合导航系统183

8.6.1 非线性量测方程183

8.6.2 GPF算法185

8.6.3 MPF算法188

8.7 本章小结194

参考文献194

第9章 融合算法在惯导系统动基座对准中的应用196

9.1 概述196

9.2 惯导系统动基座传递对准误差模型196

9.2.1 大方位失准角动基座对准线性化模型197

9.2.2 大方位失准角动基座对准非线性误差模型201

9.3 惯导系统动基座对准滤波模型204

9.3.1 线性滤波模型204

9.3.2 非线性滤波模型206

9.4 大方位失准角传递对准组合匹配模型209

9.4.1 “速度＋角速度”匹配模型209

9.4.2 “速度＋姿态”匹配模型211

9.5 信息融合算法在大方位失准角传递对准中的应用212

9.5.1 SUKF滤波和SSUKF滤波在非线性误差模型传递对准中的应用212

9.5.2 卡尔曼滤波在线性误差模型组合匹配传递对准中的应用213

9.5.3 衰减记忆自适应滤波在传递时间延迟中的应用216

9.6 本章小结219

参考文献220