《組合導航及其信息融合方法》是2017年國防工業出版社出版的圖書，圖書作者是林雪原，李榮冰，高青偉。
基本介紹
- 書名：組合導航及其信息融合方法
- 作者：林雪原，李榮冰，高青偉
- 出版社：國防工業出版社
- 出版時間：2017年
基本信息,內容簡介,目錄,
基本信息
書號978-7-118-11335-8
作者林雪原，李榮冰，高青偉
出版時間2017年6月
版次1版1次
開本16
裝幀平裝
頁數238
字數266
中圖分類TN967.2
定價69.00
內容簡介
本書重點研究了組合導航及其信息融合方法。主要內容有慣性/衛星組合導航及其最優濾波方法、GPS/SINS深組合導航技術、慣性/雷射雷達組合導航、大氣數據/SINS組合導航、多感測器組合導航系統中的狀態估計算法、基於多尺度的綜合導航系統信息融合算法、基於非線性的組合導航濾波方法、信息融合方法在慣性導航系統動基座對準中的套用。
目錄
第1章引言1
1.1組合導航系統的發展簡介1
1.2組合導航系統概述3
1.2.1幾種導航系統簡介4
1.2.2基於慣性導航的組合導航系統簡介5
1.2.3導航常用坐標系6
1.2.4導航坐標系之間的變換8
1.3信息融合技術在組合導航系統中的套用9
1.3.1卡爾曼濾波算法9
1.3.2聯邦濾波算法10
1.3.3非等間隔卡爾曼濾波算法10
1.3.4組合導航中的信息估計融合10
參考文獻11
第2章慣性/衛星組合導航及其最優濾波方法12
2.1概述12
2.2線性系統估計13
2.2.1線性系統描述13
2.2.2卡爾曼濾波算法14
2.2.3序貫卡爾曼濾波算法16
2.2.4平方根濾波17
2.2.5UDUT分解濾波18
2.3GPS/慣性組合模式20
2.3.1鬆散組合20
2.3.2緊密組合21
2.3.3組合模式的選擇說明23
2.4GPS仿真器數學模型23
2.4.1衛星在地球坐標系中的位置模型23
2.4.2衛星在地球坐標系中的速度模型25
2.4.3最佳導航衛星的選擇算法30
2.4.4偽距的模擬及用戶位置解算31
2.4.5偽距率的模擬及用戶速度解算31
2.5IMU輸出信息的仿真模型32
2.5.1軌跡參數的確定32
2.5.2比力、角速率（角增量）信息的確定32
2.5.3捷聯慣性導航的算法35
2.6基於位置、速度的組合導航系統的數學模型37
2.6.1組合導航系統的狀態方程37
2.6.2組合導航系統的測量方程39
2.6.3系統方程的離散化41
2.7卡爾曼濾波器的設計與實現41
2.7.1卡爾曼濾波器42
2.7.2卡爾曼濾波器在組合導航中的套用形式42
2.8基於偽距、偽距率的組合導航系統的數學模型43
2.8.1組合導航系統的狀態方程43
2.8.2組合導航系統的量測方程44
2.9組合導航仿真試驗46
2.9.1基於偽距偽距率與基於位置速度的組合導航試驗結果對比47
2.9.2基於不同濾波方法的組合導航試驗結果對比48
1.1組合導航系統的發展簡介1
1.2組合導航系統概述3
1.2.1幾種導航系統簡介4
1.2.2基於慣性導航的組合導航系統簡介5
1.2.3導航常用坐標系6
1.2.4導航坐標系之間的變換8
1.3信息融合技術在組合導航系統中的套用9
1.3.1卡爾曼濾波算法9
1.3.2聯邦濾波算法10
1.3.3非等間隔卡爾曼濾波算法10
1.3.4組合導航中的信息估計融合10
參考文獻11
第2章慣性/衛星組合導航及其最優濾波方法12
2.1概述12
2.2線性系統估計13
2.2.1線性系統描述13
2.2.2卡爾曼濾波算法14
2.2.3序貫卡爾曼濾波算法16
2.2.4平方根濾波17
2.2.5UDUT分解濾波18
2.3GPS/慣性組合模式20
2.3.1鬆散組合20
2.3.2緊密組合21
2.3.3組合模式的選擇說明23
2.4GPS仿真器數學模型23
2.4.1衛星在地球坐標系中的位置模型23
2.4.2衛星在地球坐標系中的速度模型25
2.4.3最佳導航衛星的選擇算法30
2.4.4偽距的模擬及用戶位置解算31
2.4.5偽距率的模擬及用戶速度解算31
2.5IMU輸出信息的仿真模型32
2.5.1軌跡參數的確定32
2.5.2比力、角速率（角增量）信息的確定32
2.5.3捷聯慣性導航的算法35
2.6基於位置、速度的組合導航系統的數學模型37
2.6.1組合導航系統的狀態方程37
2.6.2組合導航系統的測量方程39
2.6.3系統方程的離散化41
2.7卡爾曼濾波器的設計與實現41
2.7.1卡爾曼濾波器42
2.7.2卡爾曼濾波器在組合導航中的套用形式42
2.8基於偽距、偽距率的組合導航系統的數學模型43
2.8.1組合導航系統的狀態方程43
2.8.2組合導航系統的量測方程44
2.9組合導航仿真試驗46
2.9.1基於偽距偽距率與基於位置速度的組合導航試驗結果對比47
2.9.2基於不同濾波方法的組合導航試驗結果對比48
2.10小結49
參考文獻49
第3章慣性/衛星深組合導航技術50
3.1概述50
3.2衛星導航接收機跟蹤環路50
3.2.1信號跟蹤環路分析51
3.2.2信號解調原理分析53
3.3慣性/衛星深組合導航中的接收機環路觀測模型56
3.4深組合導航的模型介紹58
3.4.1 實驗室的深組合系統與濾波體系58
3.4.2IGS LLC深組合系統及其系統方案61
3.4.3加拿大遙感中心（CRS）深組合系統及其系統方案64
3.4.4 大學超緊組合系統及其系統方案64
3.5小結65
參考文獻65
第4章慣性/雷射雷達組合導航67
4.1概述67
4.2基於雷射雷達的導航原理67
4.2.1雷射雷達測量原理及結構化環境特徵分析68
4.2.2雷射雷達特徵區域分割算法68
4.2.3基於直線假設的點和線段特徵提取算法69
4.3慣性/雷射雷達組合算法研究70
4.3.1基於EKF的SLAM組合算法71
4.3.2基於位置方位組合的慣性/雷射雷達組合導航算法研究79
4.4小結83
參考文獻83
第5章大氣/慣性導航系統的信息融合技術85
5.1概述85
5.2大氣數據系統技術的發展狀況85
5.3機載大氣/慣性數據信息融合技術研究現狀87
5.4大氣/慣性導航系統的高度融合算法87
5.4.1大氣/慣性導航高度阻尼原理分析88
5.4.2跨聲速大氣/慣性高度融合算法89
5.5大氣/慣性導航系統的攻角補償修正算法91
5.5.1攻角及其感測器配置分析91
5.5.2攻角感測器誤差與校準分析93
5.5.3基於BP神經網路的跨聲速攻角補償修正算法研究93
5.6角慣性導航輔助大氣數據系統補償濾波算法96
5.6.1狀態方程建立96
5.6.2系統量測方程建立97
5.6.3卡爾曼濾波器設計98
5.6.4大氣數據解算方法99
5.6.5算法驗證與分析99
5.7本章小結100
參考文獻101
第6章多感測器組合導航系統中的狀態估計算法102
6.1集中式多感測器狀態估計102
6.2分散式多感測器狀態估計104
6.3聯邦濾波器106
6.3.1問題描述106
6.3.2方差上界技術107
6.3.3聯邦濾波的一般結構110
6.3.4聯邦濾波器的工作流程111
6.3.5聯邦濾波器的最優性證明112
6.3.6聯邦濾波器結構115
6.3.7聯邦濾波器結構比較118
6.3.8聯邦濾波器的特點118
6.3.9聯邦濾波器的簡化形式119
6.4帶反饋信息的分布估計119
6.4.1多組合導航系統的兩層分布融合模型120
6.4.2有無反饋情況下的融合解的關係123
6.4.3仿真分析125
6.5本章小結127
參考文獻127
第7章基於多尺度的綜合導航系統信息融合算法129
7.1多感測器多尺度組合導航系統的信息融合算法研究129
7.1.1GPS/SST/SINS多組合導航系統數學模型129
7.1.2算法描述130
7.1.3系統分塊算法131
7.1.4系統多尺度描述137
7.1.5系統的多尺度濾波算法139
7.1.6仿真試驗及分析140
7.2多感測器組合導航系統的多尺度分散式濾波算法143
7.2.1多尺度融合算法的建立144
參考文獻49
第3章慣性/衛星深組合導航技術50
3.1概述50
3.2衛星導航接收機跟蹤環路50
3.2.1信號跟蹤環路分析51
3.2.2信號解調原理分析53
3.3慣性/衛星深組合導航中的接收機環路觀測模型56
3.4深組合導航的模型介紹58
3.4.1 實驗室的深組合系統與濾波體系58
3.4.2IGS LLC深組合系統及其系統方案61
3.4.3加拿大遙感中心（CRS）深組合系統及其系統方案64
3.4.4 大學超緊組合系統及其系統方案64
3.5小結65
參考文獻65
第4章慣性/雷射雷達組合導航67
4.1概述67
4.2基於雷射雷達的導航原理67
4.2.1雷射雷達測量原理及結構化環境特徵分析68
4.2.2雷射雷達特徵區域分割算法68
4.2.3基於直線假設的點和線段特徵提取算法69
4.3慣性/雷射雷達組合算法研究70
4.3.1基於EKF的SLAM組合算法71
4.3.2基於位置方位組合的慣性/雷射雷達組合導航算法研究79
4.4小結83
參考文獻83
第5章大氣/慣性導航系統的信息融合技術85
5.1概述85
5.2大氣數據系統技術的發展狀況85
5.3機載大氣/慣性數據信息融合技術研究現狀87
5.4大氣/慣性導航系統的高度融合算法87
5.4.1大氣/慣性導航高度阻尼原理分析88
5.4.2跨聲速大氣/慣性高度融合算法89
5.5大氣/慣性導航系統的攻角補償修正算法91
5.5.1攻角及其感測器配置分析91
5.5.2攻角感測器誤差與校準分析93
5.5.3基於BP神經網路的跨聲速攻角補償修正算法研究93
5.6角慣性導航輔助大氣數據系統補償濾波算法96
5.6.1狀態方程建立96
5.6.2系統量測方程建立97
5.6.3卡爾曼濾波器設計98
5.6.4大氣數據解算方法99
5.6.5算法驗證與分析99
5.7本章小結100
參考文獻101
第6章多感測器組合導航系統中的狀態估計算法102
6.1集中式多感測器狀態估計102
6.2分散式多感測器狀態估計104
6.3聯邦濾波器106
6.3.1問題描述106
6.3.2方差上界技術107
6.3.3聯邦濾波的一般結構110
6.3.4聯邦濾波器的工作流程111
6.3.5聯邦濾波器的最優性證明112
6.3.6聯邦濾波器結構115
6.3.7聯邦濾波器結構比較118
6.3.8聯邦濾波器的特點118
6.3.9聯邦濾波器的簡化形式119
6.4帶反饋信息的分布估計119
6.4.1多組合導航系統的兩層分布融合模型120
6.4.2有無反饋情況下的融合解的關係123
6.4.3仿真分析125
6.5本章小結127
參考文獻127
第7章基於多尺度的綜合導航系統信息融合算法129
7.1多感測器多尺度組合導航系統的信息融合算法研究129
7.1.1GPS/SST/SINS多組合導航系統數學模型129
7.1.2算法描述130
7.1.3系統分塊算法131
7.1.4系統多尺度描述137
7.1.5系統的多尺度濾波算法139
7.1.6仿真試驗及分析140
7.2多感測器組合導航系統的多尺度分散式濾波算法143
7.2.1多尺度融合算法的建立144
7.2.2基於尺度的分散式融合算法148
7.2.3仿真試驗及結論151
7.3多感測器組合導航系統的多尺度異步融合算法154
7.3.1常規異步信息融合算法154
7.3.2基於多尺度的異步信息融合算法156
7.3.3仿真試驗與結論158
7.4本章小結160
參考文獻160
第8章基於非線性的組合導航濾波方法162
8.1概述162
8.2擴展卡爾曼濾波算法162
8.2.1圍繞標稱狀態線性化的卡爾曼濾波方程163
8.2.2圍繞估計狀態線性化的卡爾曼濾波方程165
8.3無跡卡爾曼濾波算法167
8.3.1UT變換167
8.3.2UKF算法描述169
8.4基於UKF的慣性組合導航直接式濾波模型170
8.4.1狀態方程與量測方程170
8.4.2基於UKF的慣性組合導航直接式濾波流程172
8.4.3基於UKF的慣性組合導航直接式濾波仿真驗證175
8.5粒子濾波理論178
8.5.1動態狀態空間模型179
8.5.2貝葉斯估計理論180
8.5.3粒子濾波理論181
8.6基於粒子濾波算法的組合導航系統183
8.6.1非線性量測方程183
8.6.2GPF算法185
8.6.3MPF算法188
8.7本章小結194
參考文獻194
第9章融合算法在慣導系統動基座對準中的套用196
9.1概述196
9.2慣導系統動基座傳遞對準誤差模型196
9.2.1大方位失準角動基座對準線性化模型197
9.2.2大方位失準角動基座對準非線性誤差模型201
9.3慣導系統動基座對準濾波模型204
9.3.1線性濾波模型204
9.3.2非線性濾波模型206
9.4大方位失準角傳遞對準組合匹配模型209
9.4.1“速度+角速度”匹配模型209
9.4.2“速度+姿態”匹配模型211
9.5信息融合算法在大方位失準角傳遞對準中的套用212
9.5.1SUKF濾波和SSUKF濾波在非線性誤差模型傳遞
對準中的套用212
9.5.2卡爾曼濾波線上性誤差模型組合匹配傳遞對準中的套用213
9.5.3衰減記憶自適應濾波在傳遞時間延遲中的套用216
9.6本章小結219
參考文獻220
7.2.3仿真試驗及結論151
7.3多感測器組合導航系統的多尺度異步融合算法154
7.3.1常規異步信息融合算法154
7.3.2基於多尺度的異步信息融合算法156
7.3.3仿真試驗與結論158
7.4本章小結160
參考文獻160
第8章基於非線性的組合導航濾波方法162
8.1概述162
8.2擴展卡爾曼濾波算法162
8.2.1圍繞標稱狀態線性化的卡爾曼濾波方程163
8.2.2圍繞估計狀態線性化的卡爾曼濾波方程165
8.3無跡卡爾曼濾波算法167
8.3.1UT變換167
8.3.2UKF算法描述169
8.4基於UKF的慣性組合導航直接式濾波模型170
8.4.1狀態方程與量測方程170
8.4.2基於UKF的慣性組合導航直接式濾波流程172
8.4.3基於UKF的慣性組合導航直接式濾波仿真驗證175
8.5粒子濾波理論178
8.5.1動態狀態空間模型179
8.5.2貝葉斯估計理論180
8.5.3粒子濾波理論181
8.6基於粒子濾波算法的組合導航系統183
8.6.1非線性量測方程183
8.6.2GPF算法185
8.6.3MPF算法188
8.7本章小結194
參考文獻194
第9章融合算法在慣導系統動基座對準中的套用196
9.1概述196
9.2慣導系統動基座傳遞對準誤差模型196
9.2.1大方位失準角動基座對準線性化模型197
9.2.2大方位失準角動基座對準非線性誤差模型201
9.3慣導系統動基座對準濾波模型204
9.3.1線性濾波模型204
9.3.2非線性濾波模型206
9.4大方位失準角傳遞對準組合匹配模型209
9.4.1“速度+角速度”匹配模型209
9.4.2“速度+姿態”匹配模型211
9.5信息融合算法在大方位失準角傳遞對準中的套用212
9.5.1SUKF濾波和SSUKF濾波在非線性誤差模型傳遞
對準中的套用212
9.5.2卡爾曼濾波線上性誤差模型組合匹配傳遞對準中的套用213
9.5.3衰減記憶自適應濾波在傳遞時間延遲中的套用216
9.6本章小結219
參考文獻220
