組合導航濾波算法

目 錄
第1章 緒論
1．1 組合導航概述
1．1．1 組合導航基本概念
1．1．2 組合導航系統(tǒng)發(fā)展概況
1．2 濾波理論的研究概況
1．2．1 濾波算法的基本知識
1．2．2 線性濾波算法
1．2．3 非線性濾波算法
1．3 組合導航非線性濾波算法的應用現(xiàn)狀
第2章 卡爾曼濾波及擴展卡爾曼濾波
2．1 卡爾曼濾波的性質
2．2 離散卡爾曼濾波算法
2．3 連續(xù)卡爾曼濾波算法
2．3．1 過程噪聲
2．3．2 量測噪聲
2．3．3 連續(xù)卡爾曼濾波推導
2．4 改進的卡爾曼濾波算法
2．4．1 魯棒卡爾曼濾波
2．4．2 交互式多模型卡爾曼濾波
2．4．3 Sage-Husa卡爾曼濾波
2．5 擴展卡爾曼濾波
2．5．1 線性化方法
2．5．2 離散擴展卡爾曼濾波
2．5．3 連續(xù)擴展卡爾曼濾波
第3章 無跡卡爾曼濾波
3．1 無跡變換與采樣策略
3．1．1 無跡變換原理
3．1．2 無跡變換的精度分析
3．1．3 無跡變換的采樣策略
3．2 無跡卡爾曼濾波算法
第4章 優(yōu)化的無跡卡爾曼濾波及其應用
4．1 改進的強跟蹤無跡卡爾曼濾波及其應用
4．1．1 改進的強跟蹤無跡卡爾曼濾波算法
4．1．2 改進的強跟蹤無跡卡爾曼濾波算法在INS/GNSS組合導航系統(tǒng)中的應用
4．2 約束無跡卡爾曼濾波及其在車輛組合導航中的應用
4．2．1 約束方程
4．2．2 約束無跡卡爾曼濾波算法
4．2．3 約束無跡卡爾曼濾波統(tǒng)計特性
4．2．4 約束無跡卡爾曼濾波算法在GPS/DR組合導航中的應用
4．3 抗差模型預測無跡卡爾曼濾波
4．3．1 抗差模型預測無跡卡爾曼濾波算法
4．3．2 抗差模型預測無跡卡爾曼濾波在SINS/BDS/CNS組合導航中的應用
第5章 粒子濾波概述
5．1 粒子濾波算法
5．1．1 貝葉斯濾波
5．1．2 蒙特卡羅采樣
5．1．3 序貫重要性采樣
5．1．4 重采樣
5．1．5 標準粒子濾波算法
5．1．6 粒子濾波存在的問題
5．2 粒子濾波優(yōu)化算法
5．2．1 避免粒子貧化
5．2．2 降低計算復雜度
5．2．3 優(yōu)選重要性密度函數(shù)
第6章 優(yōu)化的粒子濾波
6．1 抗差自適應中心差分粒子濾波
6．1．1 中心差分算法
6．1．2 抗差自適應濾波
6．1．3 抗差自適應中心差分粒子濾波算法
6．1．4 SINS/CNS組合導航系統(tǒng)仿真計算與分析
6．2 抗差自適應高斯混合Sigma點粒子濾波
6．2．1 高斯粒子濾波
6．2．2 抗差自適應高斯混合Sigma點粒子濾波算法
6．2．3 SINS/SAR/CNS組合導航系統(tǒng)直接法濾波中的應用
第7章 改進的無跡粒子濾波算法及其應用
7．1 抗差自適應無跡粒子濾波
7．1．1 抗差自適應無跡粒子濾波算法
7．1．2 仿真計算與分析
7．1．3 抗差自適應無跡粒子濾波在SINS/SAR組合導航系統(tǒng)中的應用
7．2 非線性模型預測無跡粒子濾波
7．2．1 模型預測濾波
7．2．2 非線性模型預測無跡粒子濾波算法
7．2．3 非線性模型無跡粒子濾波算法在SINS/SAR組合導航系統(tǒng)中的應用
7．3 衰減記憶平方根無跡粒子濾波
7．3．1 衰減記憶濾波
7．3．2 平方根濾波
7．3．3 衰減記憶平方根無跡粒子濾波算法
7．3．4 SINS/SAR組合導航系統(tǒng)直接法濾波中的應用
7．4 基于似然分布的樣本數(shù)自適應無跡粒子濾波
7．4．1 樣本數(shù)可自適應調整的粒子濾波
7．4．2 基于似然分布的樣本數(shù)自適應無跡粒子濾波算法
7．4．2 SINS/SAR組合導航系統(tǒng)直接法濾波中的應用
第8章 基于隨機加權的濾波算法及其應用
8．1 隨機加權估計的基本思想
8．2 動態(tài)導航定位中的隨機加權估計
8．2．1 觀測殘差向量與新息向量的協(xié)方差陣
8．2．2 觀測噪聲協(xié)方差矩陣的隨機加權開窗估計
8．2．3 仿真實驗與分析
8．3 動力學模型誤差的Sage隨機加權自適應濾波
8．3．1 動力學模型系統(tǒng)誤差
8．3．2 動力學模型誤差的Sage隨機加權自適應濾波算法
8．3．3 仿真計算與分析
8．4 基于移動開窗與隨機加權估計的自適應無跡卡爾曼濾波及其應用
8．4．1 無跡卡爾曼濾波的非重采樣形式
8．4．2 隨機加權因子的確定
8．4．3 基于移動開窗與隨機加權估計的自適應無跡卡爾曼濾波算法
8．4．3 INS/GNSS組合導航系統(tǒng)直接法濾波中的應用
參考文獻