一、组合导航系统INS/GNSS/SAR的降阶模型（论文文献综述）
史津竹[1]（2020）在《车辆运动约束的视觉惯性位姿估计及可观测性分析》文中认为提供实时、准确的车辆位姿信息,是智能网联车辆自主导航的必要前提。视觉惯性里程计（Visual Inertial Odometry,VIO）具有鲁棒性好、隐蔽性高、微型化、成本低等优势,在无人机和移动机器人的位姿估计领域得到了大量应用。然而将VIO应用于地面车辆,车辆会经常处于恒定加速度或直线行驶工况或近似处于这两种行驶工况下,在这类特定工况下VIO的可观测性会发生变化,导致车辆的位姿估计精度降低甚至发生失效。如何在全球导航卫星系统（Global Navigation Satellite System,GNSS）信号受干扰的情况下,将车辆运动学模型、视觉传感器、消费级惯性传感器的多源信息进行有效融合,从而改善系统的可观测性并提高车辆位姿估计的精度,是目前亟需解决的科学问题。针对以上问题,本文主要开展了车辆运动学里程计的系统误差估计及外参标定、车辆运动误差状态模型的VIO、车辆运动误差观测模型的VIO以及系统可观测性分析等方面研究,主要工作如下:1)为解决车辆里程计的系统误差带来的车辆定位轨迹跑偏问题,本文提出了三维空间下的车辆运动学误差状态模型和GNSS与惯性导航系统（Inertial Navigation System,INS）的组合惯性导航系统（GNSS-INS）的位置、角速度观测模型;解析推导了提出方法的可观测性。实验结果表明:经过系统误差估计后的车辆里程计在八组实车实验数据集上的绝对轨迹误差相比估计前的车辆里程计分别降低了86.60%、67.32%、56.53%、91.27%、79.10%、78.46%、69.83%和61.68%,有效地削弱了车辆里程计的系统误差带来的车辆定位轨迹跑偏现象。2)为解决目前车辆坐标系与IMU坐标系的空间校准准确性不足的问题,本文提出了基于旋转序列奇异值分解和加权平均四元数的旋转外参粗标定方法以及计入惯性测量单元（Inertial Measurement Unit,IMU）零偏的GNSS-INS辅助外参在线标定方法,探究了带标定外参的IMU误差状态运动学模型和GNSS-INS位置观测模型;解析推导了提出方法的可观测性。实验结果表明:采用本文提出的GNSS-INS辅助外参在线标定后的VIO在三组实车实验数据集上的绝对轨迹误差比手工测量标定的VIO分别降低了4.42%、12.25%和2.69%,采用本文提出的基于奇异值分解和加权四元数法标定的VIO在三组实车实验数据集上的绝对轨迹误差比手工测量标定的VIO分别降低了3.70%、9.41%和1.53%。3)为解决车辆运动学模型位姿估计的局限性以及VIO在车辆处于恒定加速度工况时出现的尺度方向不可观测问题,首先提出了车辆轮式单目视觉里程计（WMO）,推导了车辆运动学误差状态模型和基于多状态约束卡尔曼滤波（MultiState Constraint Kalman Filter,MSCKF）的视觉特征观测模型;然后将陀螺仪角速度信息融入车辆运动学误差状态模型中,提出了车辆轮式陀螺单目VIO（WGMO）;解析推导了WMO和WGMO方法的可观测性,并从理论上证明了所提出的方法在尺度方向上是可观测的。实验结果表明:与双目多状态约束扩展卡尔曼滤波器（Stereo Multi-State Constraint Kalman Filter,S-MSCKF）和基于关键帧优化的视觉惯性定位系统（Open Keyframe-based Visual-Inertial SLAM,OKVIS）相比,提出的两种方法可以有效改善VIO在车辆处于恒定加速度工况下的尺度不可观测问题,提高了车辆的位姿估计精度。在七组实车实验数据集上,WGMO的均方根尺度比相比于S-MSCKF分别降低了27.79%、11.57%、30.60%、15.04%、20.71%、31.70%以及5.08%,WMO的均方根尺度比相比S-MSCKF分别降低了32.52%、24.38%、37.30%、25.96%、26.10%、37.21%以及14.46%。其中,WGMO的位姿估计精度和鲁棒性更优,其在八组实车实验数据集上的绝对轨迹误差相比于S-MSCKF分别降低了90.21%、4.11%、65.69%、87.77%、33.98%、87.61%、84.68%以及4.74%,相比于OKVIS分别降低了95.56%、79.17%、69.63%、92.52%、76.39%、88.48%、79.58%以及38.76%。4)为解决VIO的尺度不可观测以及基于车辆运动误差状态模型的VIO的侧倾角和俯仰角不可观测问题,提出了车辆相对运动误差观测模型的单目VIO方法（ACK-MSCKF-M）和考虑杆臂效应的车辆速度、横摆角速度误差观测的单目VIO方法（ACK-MSCKF-LM）,解析推导了ACK-MSCKF-M和ACK-MSCKFLM的可观测性。实验结果表明:提出的两种方法可以改善车辆在恒定加速度工况下的尺度不可观测问题并且实现了车辆的侧倾角和俯仰角可观测,提高了车辆位姿估计的精度;同时ACK-MSCKF-LM也克服了ACK-MSCKF-M的不一致问题,进一步提高了车辆的位姿估计精度。其中,提出的ACK-MSCKF-M相比于S-MSCKF在五组实车实验数据集上的均方根尺度比分别降低了33.90%、18.57%、27.38%、36.76%以及18.54%,绝对轨迹误差分别降低了86.29%、65.69%、74.84%、58.79%以及60.73%。ACK-MSCKF-LM相比于S-MSCKF在五组实车实验数据集上的均方根尺度比分别降低了28.70%、10.86%、19.48%、32.40%以及9.88%,在八组实车实验数据集上的绝对轨迹误差分别降低了91.55%、6.39%、71.97%、87.84%、33.33%、85.56%、79.69%以及64.29%。5)基于可观测性分析结论提出了WGMO以及ACK-MSCKF-LM的模型降阶策略,探究了其对定位精度的影响。然后对车辆运动学、视觉、惯性传感器的不同传感器融合定位模式,进行了全面的性能评估。实验结果表明:基于可观测性分析的模型降阶策略对车辆定位精度的影响较小;在所有的实车实验数据集上进行的多种不同融合定位模式对比中,ACK-MSCKF-LM的定位精度性能最优;同时,基于车辆运动误差状态模型的WGMO相比于基于车速和角速度误差观测模型的ACK-MSCKF-LM,可以在保证较高的定位精度的情况下节省加速度计和方向盘转角传感器,因此在实时性和硬件成本上优于ACK-MSCKF-LM。本文研究可为智能网联车辆的定位导航系统的开发与应用提供一定的理论依据和实践参考。
王帆[2]（2020）在《机载星跟踪器稳定跟踪技术研究》文中指出星跟踪器主要应用于飞机的惯导/天文全天时组合导航系统,作用是通过计算飞机与恒星的相对位置关系,并依靠双星或多星切换的方式来补偿惯导的累计误差。由于飞机在飞行过程中姿态不断变化且机身会因为发动机和气流等原因产生抖动,星跟踪器需要具备载体扰动隔离能力以保证星图质量和完成对目标恒星的持续跟踪。因此,从功能上来看,星跟踪器可以视为一个需要不断切换跟踪目标的光电稳定平台。其中,星跟踪器的跟踪性能由视轴稳定性能和目标跟踪性能决定,而其切换和搜索目标的效率则取决于视轴稳定性能和位置控制精度。本文将分别对星跟踪器的视轴稳定、位置控制和目标跟踪等三个方面进行深入研究,并通过改进控制结构的方式来提高星跟踪器系统的性能。首先将对星跟踪器的系统组成及结构进行介绍,并在此基础上分析扰动耦合原理和目标相对位置与脱靶量之间的关系,为相关传感器的利用提供理论支撑。建立星跟踪器平台模型,并分析载体扰动隔离原理;根据星跟踪器的功能需求,分别提出用于稳像和目标切换的双闭环控制回路,为后文的控制结构优化打下基础。在视轴稳定方面,本文提出两种设计方案:1)对星跟踪器采用的间接稳定方案原理进行阐述,提出间接稳定控制所需解决的三个主要问题:匹配滤波、微分测速噪声和扰动抑制,在此基础上提出自抗扰控制加低通滤波器的设计方案,并通过仿真说明这一方案会降低系统鲁棒性,而这种鲁棒性的降低不但会恶化系统的跟踪性能,还会限制控制增益的提高。为了防止这种鲁棒性损失,提出一种基于扰动观测原理的噪声观测器,并与自抗扰控制相结合。噪声观测器具有三个特点:一是噪声观测器不需要精确的模型对象,可以通过参数整定进行调谐;二是噪声观测器的滤波作用可等效为一个低通滤波器,因此可以替代低通滤波器完成高频噪声滤除和匹配滤波任务;三是在系统中加入噪声观测器不会降低系统的鲁棒性。采用自抗扰控制加噪声观测器方案使星跟踪器视轴稳定精度提升了约1倍,跟踪性能提升了约40%。2)由于添加噪声观测器会降低自抗扰控制的扰动抑制能力,且算法复杂度较高,因此提出一种鲁棒降阶自抗扰控制方案。鲁棒降阶自抗扰控制由降阶自抗扰控制加改进降噪扰动观测器组成,前者的主要作用是提高自抗扰控制的扰动抑制能力,后者主要用于改善降阶自抗扰控制的鲁棒性和噪声抑制能力,并同时完成匹配滤波功能。此外,通过理论分析说明了改进降噪扰动观测器提高降阶系统鲁棒性的机理。与噪声观测器方案和经典自抗扰控制相比,鲁棒降阶自抗扰控制的视轴稳定精度提升了1倍以上。针对星跟踪器需要高效切换和搜索目标的问题,提出带有滑模组件的自抗扰位置控制方案。首先,针对扩张状态观测器对于时变扰动存在扰动估计误差较大的问题,提出基于总和扰动估计微分的改进方法,将低频扰动的估计精度提升了约12dB。针对由于模型参数摄动及建模误差引起的控制增益估计不准导致的扰动抑制能力和鲁棒性损失问题,提出带有滑模组件的反馈在控制率,并利用扰动估计微分替代扰动估计来设计时变滑动增益以避免由于较大扰动引起的系统抖震。实验结果表明,改进扩张状态观测器具有更强的扰动估计能力,且所设计滑模组件相比前人设计更不易引起抖震,添加滑模组件后系统的鲁棒性显着提升,扰动抑制能力和正弦跟踪精度提升了约1倍,且换向误差显着减小。针对星跟踪器跟踪回路的扰动抑制和脱靶量延时问题,提出基于预测结构扩张状态观测器的跟踪控制方案。在总结前人提出的状态预测算法的基础上,结合系统的扩张模型,提出扩张状态预测算法,并与扩张状态观测器相结合组成预测结构扩张状态观测器。理论分析和实验结果均表明,扩张状态预测算法能使系统状态收敛于更小的误差界内,预测结构扩张状态观测器能有效提升跟踪精度。
饶浩[3]（2020）在《应用于海上浮标的卫星通信终端关键技术研究》文中研究指明随着全球海洋探测活动日益频繁,从深远海到陆基间利用卫星通信实现数据中继通信的信息速率要求越来越高。卫星通信终端需要在恶劣的海洋动态环境下将水下载荷获取的监测数据实时回传到岸基,目前不足10 kbps的通信速率已经满足不了诸如图像、视频等观测数据的传输需求。同时,复杂海况下卫星通信终端面临对星跟踪困难的问题,传统“动中通”无法满足高动态下的卫星快速跟踪需求。因此,探究海上高速率卫星通信终端系统和海上卫星快速捕获跟踪技术对我国海洋探测具有重大意义。本文主要开展应用于海上浮标的高速率卫星通信终端的关键技术研究,包括高灵敏度低中频接收机、快速组合导航、高精度卫星载波闭环跟踪、扩频信号快速捕获等技术。论文主要工作和创新点如下:1.用于海上浮标的高速率卫星中继通信技术研究。首先,针对海上浮标高速率通信需求,综合考虑卫星通信链路资源、通信体制、链路预算,分别基于我国中继卫星和天通一号卫星链路资源设计了轻小型化卫星通信终端系统。该终端在国内首次实现海上浮标→空中卫星→地面岸基间2 Mbps的高速率数据传输。其次,为实现终端的轻小型化,提出了一种零中频结构的高灵敏度低中频接收机设计思路,采用射频和数字自动增益控制、高Q值基带低通和数字带通滤波处理,接收机接收扩频带宽为6 MHz,灵敏度为-118 d Bm。最后,终端采用自适应海况条件的码率可变技术和基于大容量存储的时分重传机制,消除复杂海况下链路信噪比恶化,甚至中断带来的数据丢失隐患,确保了海上卫星通信链路的可靠性。2.提出了一种低成本、高精度载波闭环跟踪辅助快速组合导航跟踪方案,四级以内海况条件下,终端能稳定跟踪卫星信号,解决了终端和卫星之间快速建立大回路通信链路的难题。该GNSS/SINS（Global Navigation Satellite System and Inertial Navigation System）紧组合导航系统利用GNSS和SINS伪距和伪距率的冗余参数误差对各自系统误差进行闭环修正,导航精度、抗干扰能力和动态性均优于传统“动中通”采用的松组合导航系统。终端根据卫星载波信号强度对卫星信号进行闭环圆锥扫描跟踪,将卫星通信终端跟踪精度进一步提高到2°,跟踪响应速度降低到20 ms,优于传统“动中通”采用的信标步进跟踪方案。3.提出了一种四路并行PMF-FFT（partial matched filters and fast Fourier transform）捕获算法,用于快速捕获卫星扩频载波信号,给卫星信号闭环跟踪提供信号强度值。相比于传统伪码FFT算法,该算法的捕获时间和最大计算量更小,分别为传统伪码FFT算法的26.5%和46.9%。相比于PMF-FFT算法,该算法将频率分辨率提高了4倍,接收灵敏度提高了1.6d B。并行PMF-FFT算法大幅降低了扇贝损耗,确保了捕获灵敏度。这种算法适应剧烈摇晃的天线在20 ms内快速稳定跟踪卫星信号,确保卫星通信终端在四级海况下快速闭环跟踪卫星。4.完成了通信、跟踪算法及卫星通信终端功能、性能验证分析系统的研究。其中,算法验证平台利用一套FPGA硬件电路实现了并行高速处理基带信号调制解调、编解码、组帧解帧、相控阵波束控制、大容量存储控制等功能。采用基于ARM架构体系的处理环境,实现了高效处理紧组合导航算法、网络协议等功能。算法验证平台集成度高,保证了测试调试工作的便捷。其次,设计和开发了一套用于在性能调试、系统联试和试验现场环节,快速检测S波段海上卫星通信终端关键特性的便携式测试系统。最后,根据卫星通信终端海上大回路通信试验结果,分综合析了湖上和海上试验结果和数据,为优化系统奠定了基础。论文研究的卫星通信终端突破低成本、高精度、快速捕获跟踪技术,能支持海上浮标或其他海洋载体实现与岸基间2 Mbps高速率实时数据通信应用,在军民应用领域具有重要意义。
邱望彦[4]（2020）在《面向通用航空的微惯性/GNSS/ADS组合导航信息融合技术研究》文中认为通用航空是民用航空的重要组成部分,我国通用航空的发展对其机载设备研制提出了迫切需求。本文针对通用航空对高精度导航信息需求、导航信息冗余的需求和高精度大气信息的需求,以微小型组合导航系统为研究对象,开展了惯性/卫星/大气多源信息数据融合技术的研究工作。针对通用航空对高精度导航信息的需求,开展了对双天线GNSS/MINS组合导航技术的研究。针对MEMS-IMU误差表现形式复杂的特点,阐述分析了陀螺随机误差的Allan方差和时间序列ARMA模型方法。针对通用航空任务种类多、飞行环境复杂、MEMS-IMU误差特性和动态条件下卫星导航定位数据存在显着时滞的现象,对传统卡尔曼滤波器进行了改进,研究了基于指数渐消因子的带有前馈信息的自适应卡尔曼滤波器,并建立了滤波器模型,仿真试验结果表明双天线GNSS/MINS组合导航算法可适应MEMS-IMU特性和观测数据的动态时滞,比传统卡尔曼滤波具有更好位置、速度、姿态精度。针对通用航空对导航信息冗余的需求,开展了基于大气数据的飞行高度姿态冗余技术研究。分析了气压高度与大气静压关系,采用响应曲面法对大气静压进行补偿,实现导航系统高度信息的冗余。同时,设计了利用大气真空速提高姿态精度的方法,实现导航系统姿态信息的冗余。试验结果表明采用响应曲面法补偿后的大气静压具有很高的精度,可以获得精度较高的高度信息,并且利用大气数据修正航姿系统的算法可以得到精度较高的姿态信息,最终实现高度和姿态的信息冗余。针对通用航空对大气数据攻角侧滑角信息冗余的需求,设计了利用惯导数据对攻角、侧滑角进行融合估计实现攻角侧滑角冗余的方案。利用地速建立了风场模型,在消除杆臂效应的影响后,对真空速进行估计,使融合后的修正攻角平稳、可靠并更加逼近真实值。试验结果表明,融合后的修正攻角、侧滑角可以与真实攻角、侧滑角吻合。针对通用航空对导航系统小型化、轻型化和低功耗的需求,开展了微小型组合导航系统样机的研究。基于系统要求分析,确定了核心传感器与高性能嵌入式导航解算处理器的方案。基于Allan方差和时间序列ARMA模型方法,建立了惯性器件的随机误差模型,构建了系统的软件,完成了样机的搭建,并进行了试验,验证了论文所研究的方法的有效性。
江健[5]（2019）在《非线性滤波算法在船用组合导航中的应用》文中进行了进一步梳理船用导航系统中,惯性导航系统（Inertial Navigation System,INS）能够仅依靠自身就实现自主的三维定位与导航,且具有高机动性和抗干扰性。但其导航精度会随着时间的累积迅速发散。全球卫星导航系统（Global Navigation Satellite Systems,GNSS）能够稳定且高精度的提供全球范围内的导航信息,但其信号容易受到外界环境的影响,导致导航信息丢失。INS/GNSS组合导航不仅能够综合利用INS和GNSS各自的优点,还能够实现导航信息的人冗余,是现代船用组合导航系统重要研究方向,而滤波方法正是实现组合导航的关键技术。本文主要研究了I-NS/GNSS组合导航系统中的非线性滤波算法,针对组合导航中粒子滤波随时间推移而失效的现象,提出一种改进的粒子滤波算法。首先介绍了 INS与GNSS的导航原理,并根据惯性导航系统解算特点建立了对应的组合导航解算方程。其次重点对组合导航中常用的四种滤波算法进行研究,分析四种滤波算法在实际应用中的不足,并根据算法特点分别建立了组合导航中误差状态模型和全状态滤波模型。通过简单二维运动模型仿真分析,说明滤波技术在组合导航中的能够起到精度和稳定性的作用。最后,针对组合导航中粒子滤波在预测阶段,当先验预测值出现较大误差时,外界量测量对预测值的修正失效现象,提出一种改进的粒子滤波算法（Improved Particle Filtering,IPF）。通过将最新的量测量纳入其中,利用当前观测提前修正预测量测量,从而使得重要性函数有效匹配似然函数,避免了粒子重要性权值退化问题。通过一个一维仿真对比实验和一个三维船载运动实验,说明了改进的粒子滤波算法对组合导航系统的精度和稳定性都具有良好的提升效果。
王明皓[6]（2019）在《捷联式重力仪测量数据质量控制方法研究》文中研究指明地球重力场是地球最基本的物理特性之一,连续快速测定重力信息对于自然科学以及工程实践具有重要意义,而捷联式重力测量是高效进行动态重力测量获得精确重力场信息的重要手段。随着导航技术的进步,捷联式重力测量技术不断发展,目前已经被应用到我国的重力普查以及基准建设实践当中去。国防科技大学从2002年开始捷联式重力测量技术的研究,经国家“十一五”至“十三五”相关项目支持,突破了捷联式重力测量核心技术,研制了SGA-WZ系列捷联式重力测量系统,实现了高精度的重力扰动三分量测量。本文针对捷联式重力仪测量数据质量控制方法进行研究,从理论、仿真以及实际数据三个角度,对捷联式重力测量理论以及误差特性、数据质量评估方法、测量质量提升方法以及融合转台技术的捷联式重力测量新方法四个方面进行研究。主要研究成果总结如下:1、基于捷联式重力测量的原理,指出受限于惯性器件的误差水平,捷联式重力测量在低频部分存在由比力测量误差、姿态误差以及重力信号本身共同导致的不可避免的误差,并且误差因素之间相互耦合。利用基于信息融合的捷联式重力测量优化方法校正捷联式重力测量的低频误差,该方法通过融合捷联式重力测量得到的高频信息与先验信息的低频部分进行数据融合以实现重力测量的目的。2、针对经典的捷联式重力测量评估方法的不足,提出了基于载体动态性的捷联式重力测量质量评估方法,可以近似实时的评估捷联式重力仪测量数据的质量。该方法的评估模型建立以后具有相当的通用性,其可以对同一捷联式重力仪在同型载体下的测量进行评估。此外,为了评估不同载体情况下的测量质量,提出了基于滤波收敛性的捷联式重力测量质量评估方法,其是对动态性方法质量评估方法的补充。3、针对捷联式重力仪中参数漂移以及动态性较大时精度下降的问题,提出了基于载体机动的捷联式重力测量误差估计与校正方法。以标量测量为例,通过起伏飞行激励加速度计的误差,基于误差原理和相关性分析对捷联式重力仪中加速度计的比例因子误差和时间延迟误差进行估计与校正。该方法的思路同样可以用于重力扰动水平分量的测量里面去。4、改进经典的最优平滑算法,提出了基于正逆向捷联惯导算法的重力矢量测量平滑算法。正逆向平滑算法不仅基于观测量的使用来提升滤波器的性能,并且通过捷联惯导正逆向算法的互补特性来提升姿态测量的精度。利用飞行实验数据进行验证,重力扰动的水平分量的精度优于2mGal。5、提出了融合转台技术的捷联式重力测量新方法,通过水平稳定平台以及单轴旋转机构来提升捷联式重力测量的性能。基于稳定平台的捷联式重力测量方法通过隔离载体角运动提升捷联式重力仪的性能。飞行实验表明,优化后的重力测量系统敏感重力扰动垂向分量的精度同GT-2A重力仪处于同一精度水平;利用单轴旋转机构研究了两种提升捷联式重力测量性能的调制方案,航向跟踪以及连续旋转调制方案。航向跟踪方案通过隔离载体航向角相对于导航系的变化来解耦测量误差与测量运动方向的耦合关系。通过仿真实验验证了基于航向跟踪的捷联式重力测量方案的性能;单轴连续旋转调制的捷联式重力测量方案,利用旋转将重力扰动的误差信号调制成为一个高频信号,之后通过低通滤波消除误差信号。静态转台实验表明,单轴旋转调制方案有效抑制捷联式重力测量中的线性误差。此外,虽然论文中的数据以及实验大多源于航空应用,但是论文所提出的大部分方法不仅可以用于航空捷联式重力测量,经过适当调整同样适用于地面车载或者海洋重力测量。
王念曾[7]（2019）在《基于惯性/GNSS/UWB信息融合的小型无人机编队相对导航技术研究》文中指出无人机编队协同技术利用多无人机传感器之间的信息交互,在执行任务时有更佳的操作性、稳定性、安全性,具有非常广阔应用前景。而相对导航信息作为实现协同控制的关键信息,其精确性和可靠性的保证具有重要意义。本文围绕小型无人机之间的近距离相对导航信息的求解,设计了一套基于无人机之间测距信息的相对导航方案,并对载波相位差分技术,UWB超宽带通信与测距技术,GNSS/INS紧组合技术等相关技术进行了问题分析与研究。研究内容如下:首先,本文针对相对导航中测距的精度问题,研究了UWB测距优化算法。基于UWB测距模型,针对由于通信帧从发送电路到发送天线导致的的天线延迟,使用线性拟合对误差进行补偿和校准;针对由于节点之间相对运动导致的测距偏移,建立了误差补偿模型;针对NLOS状态下产生的测距误差,利用滑动窗口的方法进行识别,并优化了卡尔曼滤波算法实现了误差的修正。实验结果表明,优化过后的测距算法精度与传统的测距算法相比,在LOS（空旷环境）状态下误差降低了70%,在NLOS（非视距环境）状态下误差降低了50%。其次,针对本文相对导航方案中差分GNSS技术的整周模糊度解算的精度和可靠性问题,研究了UWB辅助整周模糊度解算的相关算法。利用UWB的测距信息,通过对目标函数的约束,将整周模糊度浮点解快速收敛,其精度提高了一个数量级,使模糊度整数解的搜索效率提高了6%;建立了搜索辅助空间,在尽可能减少计算负担的前提下扩大了搜索范围,将模糊度整数解搜索的成功率提高了4%;另外,设计了整周模糊度验证方法,该方法不仅克服了Ratio测试需要2个候选模糊度的局限性,而且提高了检验的可靠度。接着,针对INS/GNSS组合方式的精度不满足相对导航要求的问题,基于UWB测距信息,结合GNSS差分技术,研究了UWB辅助的INS/GNSS相对导航融合算法。针对载波测量值噪声波动较大导致估计结果产生偏差的情况,设计了抗差自适应因子对无迹卡尔曼滤波器进行了优化,提高系统精确性和鲁棒性。仿真结果表明,该融合算法将相对导航的定位精度相对INS/GNSS紧组合提高了至少50%,绝对精度在10cm左右,满足相对导航的定位精度需求。同时,抗差自适应因子能够更好地修正观测误差较大时的估计误差。最后,针对小型无人机编队成员之间相互信息的需求,基于UWB超宽带传感器研究了本相对导航方案中的通信和测距功能,基于IEEE802.15.4a的通信机制,设计了UWB测距、通信的数据帧格式以及数据接收和发送策略。另外,搭建了相对导航的硬件验证平台,通过实验验证了导航定位的整体性能以及算法的合理性。
朱云峰[8]（2019）在《基于多源信息融合的无人机相对导航技术研究》文中进行了进一步梳理智能集群化是当前无人机领域的重要发展方向,相对导航与定位作为其中的核心技术是无人机完成任务的关键。这其中包含两层含义,其一是获取无人机之间的相对导航信息可以保证自主编队飞行的一致性和安全性;其二是多机通过配置不同的传感器载荷实现能力互补,共同对目标进行相对定位,可以提升无人机的任务能力和整体效能。本文针对多机协同相对导航中这两个方面的问题展开研究,在综合分析相对导航系统需求的基础上,研究了基于多源信息融合的相对导航问题,旨在提高无人机相对导航系统的综合性能。本文首先针对SINS/DGPS组合相对导航展开研究,提出了一种惯性/卫星高精度相对导航算法。研究了惯性导航系统相对状态递推模型,并推导了相对姿态四元数和相对速度误差方程。针对卫星导航系统,研究了基于移动基准站的DGPS模型以及整周模糊度的求解方法。基于全并行分布式的系统框架,研究设计了二级滤波器的融合结构,有效提高了惯性/卫星相对导航系统的解算精度。然后,为了进一步提高无人机相对导航的可靠性,文中引入测距测角信息对SINS/DGPS进行辅助。文中研究了无源/有源导航系统的相对定位模型,提出了一种基于双层嵌套式结构的融合算法,有效地削弱了系统对数据链的依赖,提高了容错能力。接着,针对无人机与非合作目标间的相对定位问题,本文研究分析了列文伯格-马夸尔特优化的思想并对迭代卡尔曼滤波算法进行改进,提出了一种LM-IEKF算法。考虑到由于信号相关特性而引入的乘性噪声问题,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,从而提升了系统的导航精度。为了提高相对导航系统在GPS拒止情况下的自适应能力,对多传感器协同的全源相对导航算法展开了研究。提出了一种基于集中式融合架构的自适应重构滤波算法,从而达到全源相对导航系统对兼容性、灵活扩展性和容错性的要求。同时,提出了基于全并行分布式融合架构的多模型滤波算法,实现了相对导航系统在多个模型间的灵活切换。通过残差检测的方法,有效地对失效传感器或量测野值进行隔离,提高了导航信息的质量。最后,设计了半物理实验平台和综合仿真软件,对文中研究的算法进行了验证与评估,结果表明:本文提出的算法可以提高相对导航系统在精度、可靠性和自适应能力等多方面的综合性能,为多源信息融合技术在无人机相对导航领域的应用提供了重要的参考。
周阳林[9]（2018）在《视觉传感器辅助的高精度组合导航定位技术研究》文中认为随着“数字地球”、“智慧城市”等理念的不断普及,人们对室内外高精度定位、导航、授时服务的数量、质量及其更新速度的需求日趋复杂。传统、单一的导航定位手段已无法满足位置服务的需求。融合多种传感器,适应复杂应用环境,高效、稳健的室内外无缝导航定位系统成为了实时获取空间信息的一种新趋势。本文以实现室内外一体高精度导航定位为研究目标,在卫星/惯性组合导航定位技术的基础上,以视觉传感器辅助高精度导航定位方法为主要研究内容,围绕高精度时空信息配准、高精度视觉定位、鲁棒高效融合算法和导航定位精度评估等关键问题进行了研究,论文主要的主要工作和创新点总结如下:1、结合室内外一体导航定位的实际应用环境和精度需求,设计了一套高精度视觉传感器Spatial CAM,可在氙气闪光灯、近红外LED灯和自然光照辅助下清晰成像。采用近红外光源辅助成像时,可有效地避免出现光照污染的情况,提高了室内导航定位的实用性。同时,采用十参数/有限元混合模型对镜头畸变进行精确校正,使视觉传感器的理论测量精度达到八万分之一,满足室内高精度定位的需求。2、针对目前传感器高精度空间信息配准方法公开文献较少的情况,提出了三种可行的传感器空间信息配准方案:间接量测辅助空间信息配准、直接地理参考辅助空间信息配准和状态估计辅助空间信息配准的方法。通过理论推导和实验验证,系统分析和对比了三种方法可达到的安置参数精度和各自的适用范围。3、详细研究了基于合作特征的高精度视觉定位技术。针对复杂场景合作特征高精度建库效率较低的问题,提出了一种融合点云/影像信息融合的特征提取和建库方法,采用附加点云观测信息的光束法平差方法对合作特征点位精度进一步进行整体优化。针对高分辨率图像处理的时效性问题,提出了一种结合预测帧信息和导航定位信息的自适应动态窗口搜索方法,优化了高分辨率图像实时处理速度,提高了特征检测的效率。针对相机稳健位姿参数解算问题,采用抗差岭估计优化空间后方交会解算,有效减弱测量粗差和复杂观测条件对视觉定位的干扰,提高了视觉定位的精度和可靠性。4、详细研究了视觉/卫星/惯性多源融合高精度定位方法。为解决传感器更新速率不一致问题,采用多速率量测信息更新的方法实现卫星/惯性/视觉信息的有效融合,该方法可以根据实际情况调整组合导航系统的观测信息,进行量测更新,以实现传感器数据的最优融合。利用冗余的影像信息,采用序列影像光束法平差和虚拟影像光束法的方法提高导航定位系统的后处理精度,增强了组合导航系统整体的可用性。结合本文提出的实时定位和后处理优化算法,设计了相应的实时视觉信息处理模块和事后视觉信息处理模块。采用分布式系统的设计思路,在用户端实时解算定位结果,在主机端进行后处理优化,提高了组合导航解算的整体精度。5、探讨了高精度导航定位系统精度评估问题。针对室外场景存在外界干扰多、载体动态变化大的情况。结合全站仪、激光跟踪仪、GNSS授时装置等传感器,设计了一套室外动态定位精度检测系统。采用单次测量时间统计、平滑曲线拟合、ICP轨迹修正等方法提高检测系统的整体性能。针对室内场景存在空间基准传递过程复杂、遮挡严重的情况。在空间基准优化传递的基础上,基于OptiTrack动态捕捉系统设计了一种室内动态定位精度评估方法。实验时,通过动态点位对比和整体轨迹对比的方法,分别在室内和室外场景对导航系统进行定位精度评估。
刘斌[10]（2018）在《传递对准与组合导航滤波器优化设计方法研究》文中认为近年来国家综合实力逐步增强,为保卫国家领土安全和维护区域和平稳定,我国军队对于提高武器系统性能,特别是武器系统超视距精确打击能力有了越来越高的要求。惯性导航系统作为当前绝大部分导弹武器系统的关键设备,初始对准精度决定了纯惯性状态下导航系统性能。战场态势多变与突发等特点,要求武器系统满足准备时间短、打击精度高和操作使用维护简单等要求,如何通过合理优化系统设计方案以实现武器惯导系统传递对准精度与速度、可靠性与简化操作之间的平衡是惯性技术领域的难点。同时,随着军队实战化要求提高,对低成本高精度武器系统的需求越来越大;我国北斗二代卫星导航系统日臻完善,卫星导航技术的应用不再受到其它国家的制约与掣肘;随着工艺水平的进步,微机械惯性传感器的稳定性和精度逐步提高,使得研发低成本GNSS/INS组合导航系统成为可能。综合上述分析,论文重点对传递对准与组合导航滤波器优化设计方法开展研究,主要研究工作如下:首先,分析证明了两种常用快速传递对准系统模型的相互转换关系,以此为基础,研究了能够抑制机翼挠曲形变的滑翔起飞快速高精度传递对准方法,简化了空中传递对准流程,有利于提高武器系统自动化水平。在分析传递对准线性化系统模型偏差来源的基础上,给出差分姿态观测模型和线性化状态模型偏差直接补偿方法,提高了传递对准精度,使得传递对准误差散布具有更好的各向一致性,满足战术武器系统精度需求。为进一步解决战略武器高精度传递对准问题,提出了一种基于虚拟主惯导基准的传递对准方法,在不改变线性化传递对准系统模型的前提下,仅需略微调整计算流程,即能实现角秒级高精度传递对准,方便工程应用与推广。其次,深入研究了惯性导航传递对准系统优化设计方法。从卡尔曼滤波器带宽特性分析、先验信息及非平稳随机过程对滤波器性能影响等方面着手,考虑到姿态运动特性与传递对准可观测度之间的关系,研究提出了基于姿态频谱与新息序列分析的传递对准自适应卡尔曼滤波方法。通过载体姿态频谱特性分析,搜索匹配滤波器基础参数,利用新息序列协方差分析,动态调节滤波器可变参数,在使系统对非高斯测量噪声具有更强抑制能力的同时,很大程度上解决了新息序列自适应滤波器稳定性欠佳的问题。在传统多模型自适应滤波方法的基础上,为实现滤波器全局稳定和估计精度的优化平衡,结合传递对准状态估计值稳态特性,对多模型自适应卡尔曼滤波器加权融合分配策略进行改良。以状态估计平稳度和状态估计均值二阶中心矩作为对准精度综合衡量指标,构建新的多滤波器加权融合分配因子,从而实现系统综合性能的优化。此外,针对传递对准工程应用中的数据时间延迟问题和精度在线评估需求,研究了以姿态相位协方差为代价函数的传递对准时延处理方法,并推导了传递对准精度在线检验算法,数值仿真给出的误差性能曲线验证了算法的有效性。最后,对低成本GNSS/INS组合导航系统优化设计方法进行了研究。在分析卫星导航误差来源和误差建模分析的基础上,结合对流层延迟与信号传输路径对流层厚度的正相关特性,研究给出了基于对流层延迟自适应估计的多阶卫星导航定位算法。以此为基础,通过分析惯性导航偏差耦合特性,为平衡模型精度、计算复杂度和滤波稳定性,提出了一种新的“水平+航向+高程”分通道联合系统设计方案,并采用协方差成形自适应滤波方法设计组合导航数据融合滤波器,以抑制卫星定位误差时间相关有色噪声对系统精度的影响,提高组合系统长航时导航定位性能。综上所述,论文从分析惯性导航偏差耦合特性和卫星导航测量伪距误差特性出发,以新息序列检验、多模型融合优化和协方差匹配分析为切入点,重点对传递对准和组合导航系统优化设计方法进行了研究,为快速高精度传递对准系统设计和低成本、高精度GNSS/INS组合导航系统设计提供方法与方案参考,具有较强的工程实用价值。
二、组合导航系统INS/GNSS/SAR的降阶模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、组合导航系统INS/GNSS/SAR的降阶模型（论文提纲范文）
（1）车辆运动约束的视觉惯性位姿估计及可观测性分析（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词对照表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及问题 |
| 1.2.1 基于车辆模型的位姿估计研究进展 |
| 1.2.2 视觉惯性里程计与可观测性分析研究进展 |
| 1.2.3 车辆模型辅助的视觉、惯性位姿估计研究进展 |
| 1.3 主要研究内容与组织架构 |
| 第2章 实验设计与理论基础 |
| 2.1 全文坐标系定义规范 |
| 2.2 全文实验及数据集细节 |
| 2.2.1 仿真实验细节 |
| 2.2.2 实车实验细节 |
| 2.2.3 实验评价指标 |
| 2.3 理论基础 |
| 2.3.1 车辆位姿表示方法 |
| 2.3.2 车辆运动学模型 |
| 2.3.3 IMU运动学模型 |
| 2.3.4 杆臂效应 |
| 2.4 本章小结 |
| 第3章 车辆里程计的系统误差估计及外参标定 |
| 3.1 引言 |
| 3.2 车辆里程计的系统误差估计 |
| 3.2.1 三维空间下的车辆运动学误差状态模型 |
| 3.2.2 GNSS-INS位置与角速度观测模型 |
| 3.3 车辆坐标系与IMU坐标系外参标定 |
| 3.3.1 基于旋转序列SVD分解和平均四元数的粗标定 |
| 3.3.2 计入IMU零偏的{S}系与{I}系外参在线标定 |
| 3.4 理想线性化模型的可观测性分析 |
| 3.4.1 车辆里程计的系统误差估计可观测性 |
| 3.4.2 {S}与{I}系外参标定可观测性 |
| 3.5 实车验证 |
| 3.5.1 车辆里程计的系统误差估计实验 |
| 3.5.2 车辆坐标系与IMU坐标系外参标定实验 |
| 3.6 本章小结 |
| 第4章 车辆运动误差状态模型的单目VIO |
| 4.1 引言 |
| 4.2 轮式单目视觉里程计的数学模型 |
| 4.2.1 WMO的运动误差状态模型 |
| 4.2.2 相机状态与协方差矩阵增广 |
| 4.2.3 多状态约束的单目视觉测量更新 |
| 4.3 轮式陀螺单目VIO的数学模型 |
| 4.4 理想线性化模型的可观测性分析 |
| 4.4.1 WMO的可观测性 |
| 4.4.2 WGMO的可观测性 |
| 4.4.3 尺度方向的可观测性 |
| 4.5 仿真与实车验证 |
| 4.5.1 仿真验证 |
| 4.5.2 实车验证 |
| 4.6 本章小结 |
| 第5章 车辆运动误差观测模型的单目VIO |
| 5.1 引言 |
| 5.2 车辆惯性系单目VIO |
| 5.2.1 车辆惯性系下IMU运动学模型 |
| 5.2.2 相机状态增广与单目视觉特征观测更新 |
| 5.3 车辆相对运动误差观测的单目VIO |
| 5.3.1 基于相机状态的车辆相对旋转量与平移量 |
| 5.3.2 车辆相对运动量误差状态观测模型 |
| 5.4 车速与角速度误差观测的单目VIO |
| 5.5 理想线性化模型的可观测性分析 |
| 5.5.1 离散时间系统状态转移雅克比矩阵 |
| 5.5.2 ACK-MSCKF-M的可观测性 |
| 5.5.3 ACK-MSCKF-LM的可观测性 |
| 5.5.4 尺度方向的可观测性 |
| 5.6 仿真与实车验证 |
| 5.6.1 仿真验证 |
| 5.6.2 实车验证 |
| 5.7 本章小结 |
| 第6章 不同传感器融合定位模式的综合评估 |
| 6.1 基于可观测性分析的模型降阶 |
| 6.2 不同传感器融合定位模式的软硬件配置 |
| 6.3 实车实验评估 |
| 6.3.1 车辆定位精度综合评估 |
| 6.3.2 算法计算效率综合评估 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 主要创新点 |
| 7.3 下一步研究展望 |
| 参考文献 |
| 附录 |
| A.1 公式(3.64)推导 |
| A.2 公式(5.32)推导 |
| A.3 公式(5.47)推导 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（2）机载星跟踪器稳定跟踪技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 机载全天时天文导航系统研究现状 |
| 1.3 机载光电稳定平台研究现状 |
| 1.4 相关控制方法研究现状 |
| 1.4.1 惯性稳定控制方法研究现状 |
| 1.4.2 目标跟踪控制方法研究现状 |
| 1.5 论文主要研究内容及结构安排 |
| 1.5.1 论文主要研究内容 |
| 1.5.2 论文结构安排 |
| 第2章 星跟踪器系统分析 |
| 2.1 星跟踪器稳定方案选择 |
| 2.2 星跟踪器系统组成及工作原理 |
| 2.3 星跟踪器平台特性及原理分析 |
| 2.3.1 星跟踪器角运动原理 |
| 2.3.2 星跟踪器脱靶量与目标相对位置关系 |
| 2.3.3 星跟踪器动力学模型 |
| 2.3.4 星跟踪器扰动隔离分析 |
| 2.3.5 双闭环回路控制技术 |
| 2.4 本章小结 |
| 第3章 基于自抗扰控制和噪声观测器的视轴稳定技术 |
| 3.1 间接稳定性能分析 |
| 3.1.1 间接稳定原理 |
| 3.1.2 匹配滤波 |
| 3.1.3 微分测速噪声 |
| 3.2 基于自抗扰控制的视轴稳定方法 |
| 3.2.1 自抗扰控制原理 |
| 3.2.2 改进自抗扰控制 |
| 3.3 基于扰动观测原理的噪声观测器 |
| 3.3.1 自抗扰控制直接加滤波器存在的问题 |
| 3.3.2 扰动观测器原理 |
| 3.3.3 噪声观测器 |
| 3.3.4 噪声观测器控制系统的鲁棒稳定性分析 |
| 3.4 试验结果与分析 |
| 3.4.1 仿真分析 |
| 3.4.2 实验验证 |
| 3.4.3外场实验 |
| 3.5 本章小结 |
| 第4章 基于鲁棒降阶自抗扰控制的视轴稳定技术 |
| 4.1 降阶自抗扰控制的理论依据 |
| 4.2 改进降噪扰动观测器 |
| 4.3 改进降噪扰动观测器控制系统的鲁棒稳定性分析 |
| 4.4 实验结果与分析 |
| 4.4.1 仿真分析 |
| 4.4.2 实验验证 |
| 4.5 本章小结 |
| 第5章 带有滑模组件的自抗扰位置控制技术 |
| 5.1 基于系统输出微分的扩张状态观测器 |
| 5.1.1 基于系统输出微分的扩张状态观测器的提出 |
| 5.1.2 两种扩张状态观测器的比较 |
| 5.2 基于总和扰动估计微分的扩张状态观测器 |
| 5.3 带有滑模组件的反馈控制律 |
| 5.3.1 滑模控制基本原理 |
| 5.3.2 滑模组件的设计 |
| 5.4 实验结果与分析 |
| 5.4.1 仿真分析 |
| 5.4.2 实验验证 |
| 5.5 本章小节 |
| 第6章 基于预测结构扩张状态观测器的跟踪控制技术 |
| 6.1 延时对跟踪控制性能的影响 |
| 6.2 预测结构扩张状态观测器 |
| 6.2.1 经典状态预测算法 |
| 6.2.2 改进状态预测算法 |
| 6.2.3 基于扩张状态观测器的状态预测算法 |
| 6.2.4 预测算法的分析 |
| 6.3 实验结果与分析 |
| 6.3.1 仿真分析 |
| 6.3.2 实验验证 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 论文主要创新点 |
| 7.3 现阶段存在问题及工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）应用于海上浮标的卫星通信终端关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词清单 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外发展及现状 |
| 1.2.1 海上卫星通信资源 |
| 1.2.2 海上卫星通信终端 |
| 1.2.3 GNSS/SINS组合导航系统 |
| 1.3 论文的研究内容、组织结构和主要贡献 |
| 第2章 浮标端卫星通信终端系统设计 |
| 2.1 通信体制分析 |
| 2.2 卫星通信终端系统 |
| 2.2.1 移动卫星通信终端设计分析 |
| 2.2.2 GEO卫星链路预算 |
| 2.2.3 轻小型化卫星通信终端设计 |
| 2.3 S波段通信机关键技术研究 |
| 2.3.1 高灵敏度低中频接收机 |
| 2.3.2 自适应海况码率可变技术 |
| 2.3.3 基于大容量存储的时分重传机制 |
| 2.4 本章小结 |
| 第3章 海上浮标端卫星快速跟踪技术 |
| 3.1 组合导航卫星跟踪 |
| 3.1.1 GNSS/SINS紧组合导航 |
| 3.1.2 卡尔曼信息融合 |
| 3.1.3 天线波束指向 |
| 3.2 载波闭环跟踪 |
| 3.2.1 卫星跟踪技术 |
| 3.2.2 快速闭环跟踪 |
| 3.2.3 圆锥扫描跟踪 |
| 3.3 波束指向控制实现 |
| 3.3.1 机械伺服控制 |
| 3.3.2 相控阵波束控制 |
| 3.3.3 终端波束控制特性 |
| 3.4 本章小结 |
| 第4章 卫星信号快速捕获算法 |
| 4.1 扩频解扩 |
| 4.2 并行捕获算法 |
| 4.2.1 伪码FFT并行捕获 |
| 4.2.2 PMF-FFT算法 |
| 4.2.3 并行PMF-FFT算法 |
| 4.3 性能分析 |
| 4.3.1 接收灵敏度 |
| 4.3.2 计算复杂度 |
| 4.3.3 捕获时间 |
| 4.4 本章小结 |
| 第5章 算法验证、终端测试及试验验证 |
| 5.1 算法验证 |
| 5.2 快速测试系统 |
| 5.2.1 系统方案设计 |
| 5.2.2 终端链路测试 |
| 5.2.3 开发应用 |
| 5.2.4 现场应用 |
| 5.3 试验验证分析 |
| 5.3.1 外场试验 |
| 5.3.2 快速捕获跟踪性能 |
| 5.3.3 前向链路性能 |
| 5.3.4 返向链路性能 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文主要工作 |
| 6.2 可进一步开展的工作 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）面向通用航空的微惯性/GNSS/ADS组合导航信息融合技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状分析 |
| 1.2.1 通用航空及其导航技术的发展 |
| 1.2.2 微惯性测量单元的研究现状 |
| 1.2.3 微小型组合导航系统研究现状 |
| 1.2.4 多源信息组合导航技术的研究现状 |
| 1.3 课题研究目的与意义 |
| 1.4 本文主要研究内容 |
| 第二章 通用航空双天线GNSS/MINS高精度组合导航方法研究 |
| 2.1 引言 |
| 2.2 总体方案设计 |
| 2.2.1 通用航空对姿态要求分析 |
| 2.2.2 双天线GNSS方案选择分析 |
| 2.3 微小型组合导航系统中MEMS-IMU误差分析 |
| 2.3.1 MEMS-IMU误差特性分析 |
| 2.3.2 Allan方差法辨识随机误差 |
| 2.3.3 ARMA时间序列模型 |
| 2.4 通用航空双天线GNSS/MINS组合导航滤波算法研究 |
| 2.4.1 带有IMU前馈信息的自适应渐消因子卡尔曼滤波算法 |
| 2.4.2 双天线GNSS/MINS组合导航模型设计 |
| 2.5 通用航空组合导航算法仿真与分析 |
| 2.5.1 仿真方案设计 |
| 2.5.2 算法仿真与试验结果分析 |
| 2.6 本章小结 |
| 第三章 基于大气数据的高度姿态信息冗余算法研究 |
| 3.1 引言 |
| 3.2 基于大气参数的高度信息冗余方法研究 |
| 3.2.1 通用航空对高度要求分析 |
| 3.2.2 大气参数计算模型研究 |
| 3.2.3 大气参数静压补偿方法分析 |
| 3.2.4 基于大气数据的高度冗余策略设计 |
| 3.3 大气/惯性姿态融合算法研究 |
| 3.3.1 微惯性航姿系统姿态误差增大机理分析 |
| 3.3.2 大气数据辅助姿态算法设计 |
| 3.4 大气数据高度和姿态冗余算法验证 |
| 3.4.1 基于大气数据的高度冗余方案验证 |
| 3.4.2 大气数据系统辅助航姿系统算法验证 |
| 3.5 本章小结 |
| 第四章 基于惯性辅助的大气参数估计方法研究 |
| 4.1 引言 |
| 4.2 基于惯性辅助的风场估计方法研究 |
| 4.2.1 速度矢量三角形模型 |
| 4.2.2 惯导/大气风场估计模型研究 |
| 4.3 基于惯性辅助的攻角、侧滑角估计方法研究 |
| 4.3.1 惯导/大气攻角、侧滑角估计模型 |
| 4.3.2 杆臂效应模型研究 |
| 4.3.3 惯导/大气攻角、侧滑角估计模型优化 |
| 4.4 基于实际飞行数据的大气/惯导融合试验验证 |
| 4.4.1 融合算法程序设计 |
| 4.4.2 基于实际飞行数据的风场估计试验验证 |
| 4.4.3 基于实际飞行数据的攻角、侧滑角估计试验验证 |
| 4.5 本章小结 |
| 第五章 微小型组合导航系统的设计集成与试验 |
| 5.1 引言 |
| 5.2 系统总体设计方案 |
| 5.2.1 导航数据处理部分硬件设计 |
| 5.2.2 电源硬件设计 |
| 5.2.3 INS/GNSS时间同步方案设计 |
| 5.3 微小型组合导航系统样机搭建 |
| 5.3.1 系统的结构设计 |
| 5.3.2 电气接口设计 |
| 5.4 MEMS陀螺和卫星导航接收机的性能评估和模型参数辨识 |
| 5.4.1 MEMS陀螺的Allan方差分析 |
| 5.4.2 MEMS陀螺的ARMA模型和参数估计 |
| 5.4.3 接收机静态误差测量 |
| 5.5 微小型组合导航系统动态试验分析 |
| 5.5.1 低速动态试验 |
| 5.5.2 跑车试验 |
| 5.6 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（5）非线性滤波算法在船用组合导航中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 组合导航系统国内外研究现状 |
| 1.3 组合导航滤波算法的应用现状 |
| 1.4 研究的主要内容及章节安排 |
| 2 INS/GNSS组合导航基本原理 |
| 2.1 导航系统常用坐标系及其转换关系 |
| 2.1.1 导航系统常用坐标系 |
| 2.1.2 导航系统间的坐标变换 |
| 2.2 惯性导航系统定位原理 |
| 2.2.1 惯性导航系统定位原理 |
| 2.2.2 惯性导航系统机械解算 |
| 2.3 惯性导航系统误差分析 |
| 2.4 全球卫星导航系统(GNSS) |
| 2.4.1 GNSS系统结构 |
| 2.4.2 GNSS定位原理 |
| 2.5 GNSS误差源分析 |
| 2.6 INS/GNSS组合导航系统 |
| 2.7 本章小结 |
| 3 卡尔曼滤波算法及其在组合导航中的应用 |
| 3.1 标准卡尔曼滤波 |
| 3.2 扩展卡尔曼滤波 |
| 3.3 无迹卡尔曼滤波算法 |
| 3.3.1 无迹变化原理 |
| 3.3.2 无迹卡尔曼滤波步骤 |
| 3.4 卡尔曼滤波算法在组合导航的应用建模 |
| 3.4.1 KF组合导航框架选择 |
| 3.4.2 卡尔曼滤波在组合导航中建模方法 |
| 3.5 EKF在组合导航中的应用 |
| 3.6 本章小结 |
| 4 粒子滤波算法及其在组合导中的应用 |
| 4.1 粒子滤波方法 |
| 4.2 改进的粒子滤波算法 |
| 4.3 粒子滤波算法在组合导航中的应用建模 |
| 4.4 本章小结 |
| 5 非线性滤波算法在组合导航中的应用 |
| 5.1 非线性滤波算法一维仿真分析 |
| 5.2 非线性滤波算法在INS/GNSS组合导航应用仿真分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（6）捷联式重力仪测量数据质量控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的研究背景和意义 |
| 1.2 捷联式重力测量研究现状 |
| 1.2.1 动态重力测量研究现状 |
| 1.2.2 动态重力测量质量评估研究现状 |
| 1.2.3 捷联式重力测量精度提升方法研究现状 |
| 1.2.4 目前捷联式重力测量存在的不足 |
| 1.3 论文的研究目标、内容、组织结构和主要贡献 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容及组织结构 |
| 第二章 捷联式重力测量误差特性分析 |
| 2.1 捷联式重力测量原理与方法 |
| 2.1.1 捷联式惯性导航算法 |
| 2.1.2 捷联式重力测量原理 |
| 2.1.3 捷联式重力测量模型 |
| 2.2 捷联式重力测量中惯性器件误差分析 |
| 2.2.1 加速度计测量误差模型 |
| 2.2.2 陀螺误差模型 |
| 2.2.3 温度与时间变化对惯性器件的影响 |
| 2.2.4 时间延迟误差 |
| 2.3 捷联式重力测量误差特性 |
| 2.3.1 捷联式重力测量可观性分析 |
| 2.3.2 不同误差条件下捷联式重力测量的误差特性 |
| 2.3.3 基于信息融合的捷联式重力测量优化方法 |
| 2.4 本章小节 |
| 第三章 捷联式重力测量数据质量评估方法研究 |
| 3.1 经典重力测量数据质量评估方法 |
| 3.1.1 重复线内符合精度质量评估方法 |
| 3.1.2 测线网交叉点精度质量评估方法 |
| 3.1.3 基于先验数据的外符合质量评估方法 |
| 3.2 捷联式重力测量数据质量评估方法 |
| 3.2.1 捷联式重力测量数据质量评估方法原理 |
| 3.2.2 捷联式重力测量数据质量评估模型建立 |
| 3.2.3 捷联式重力测量数据质量评估模型验证 |
| 3.2.4 小结 |
| 3.3 基于误差参数估计稳定性的捷联式重力测量数据质量评估方法 |
| 3.3.1 不同条件下的捷联式重力测量的特性 |
| 3.3.2 基于误差参数估计稳定性的捷联式重力测量质量评估方法验证 |
| 3.3.3 小结 |
| 3.4 本章小结 |
| 第四章 捷联式重力测量数据质量改进方法研究 |
| 4.1 起伏飞行环境捷联式航空重力仪标量测量误差补偿方法 |
| 4.1.1 起伏飞行下的重力标量测量的误差特性 |
| 4.1.2 比例因子以及时延延迟误差参数估计 |
| 4.1.3 基于参数估计结果的动态性误差补偿 |
| 4.2 基于捷联惯导逆推算法的加速度计误差分析 |
| 4.2.1 捷联惯导逆推算法 |
| 4.2.2 动态情况下加速度计误差分析 |
| 4.2.3 小结 |
| 4.3 基于正逆向捷联惯导算法的重力矢量测量平滑方法 |
| 4.3.1 逆向惯导算法 |
| 4.3.2 算法分析与仿真实验 |
| 4.3.3 试验验证与讨论 |
| 4.3.4 小结 |
| 4.4 本章小结 |
| 第五章 捷联+平台技术的新型重力测量方法研究 |
| 5.1 融合稳定平台的捷联式重力测量新方法 |
| 5.1.1 稳定平台+捷联惯导式新型重力仪 |
| 5.1.2 新型重力仪与平台式重力仪对比试验 |
| 5.1.3 新型重力仪与纯捷联式重力仪对比试验 |
| 5.1.4 小结 |
| 5.2 基于航向跟踪的捷联式重力测量方案 |
| 5.2.1 载体运动方向对于捷联式重力测量的影响 |
| 5.2.2 基于航向跟踪的捷联式重力测量方案 |
| 5.2.3 基于航向跟踪的捷联式重力测量方案仿真实验 |
| 5.2.4 小结 |
| 5.3 基于单轴旋转调制的捷联式重力测量方法研究 |
| 5.3.1 旋转调制捷联惯导系统基本原理 |
| 5.3.2 旋转调制捷联式重力测量方案研究 |
| 5.3.3 单轴旋转调制重力测量方法仿真实验 |
| 5.3.4 单轴旋转调制重力测量方法静态实验 |
| 5.3.5 小节 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A 捷联式重力测量状态方程子矩阵 |
| 附录 B SGA-WZ系列捷联式重力测量系统简介 |
| 附录 C 捷联式重力测量试验情况 |
| C.1 新疆东部飞行试验 |
| C.2 新疆南部飞行试验 |
| C.3 山西飞行试验 |
| C.4 广西飞行试验 |
（7）基于惯性/GNSS/UWB信息融合的小型无人机编队相对导航技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 相对导航的基本概念介绍 |
| 1.2.2 相对导航技术的发展状况 |
| 1.3 论文研究的目的和意义 |
| 1.4 论文研究内容与工作安排 |
| 第二章 基于UWB相对导航测距技术的优化研究 |
| 2.1 引言 |
| 2.2 UWB测距算法研究与误差分析 |
| 2.2.1 UWB单程测距的算法研究与分析 |
| 2.2.2 UWB双程测距的算法研究与分析 |
| 2.2.3 UWB对称双程双向测距的算法研究与分析 |
| 2.3 相对导航测距信息的优化算法研究 |
| 2.3.1 UWB测距误差的误差源分析 |
| 2.3.2 天线延迟的测距误差修正方法 |
| 2.3.3 节点间相对运动情况的测距误差补偿算法 |
| 2.3.4 非视距状态下的测距误差识别及校正算法 |
| 2.4 UWB测距优化实验与实验结果分析 |
| 2.4.1 静态情况下UWB测距优化算法性能分析 |
| 2.4.2 动态情况下UWB测距优化算法性能分析 |
| 2.4.3 NLOS/LOS状态下的识别验证分析 |
| 2.5 本章小结 |
| 第三章 基于测距信息辅助的GNSS差分相关技术研究 |
| 3.1 引言 |
| 3.2 GNSS观测模型及误差分析 |
| 3.2.1 GNSS信号结构与误差分析 |
| 3.2.2 GNSS测量模型的研究 |
| 3.2.3 差分GNSS的观测模型建立与分析 |
| 3.3 差分GNSS整周模糊度解算的研究及分析 |
| 3.3.1 LAMBDA算法数学模型分析 |
| 3.3.2 LAMBDA算法模糊度解算流程分析 |
| 3.3.3 LAMBDA算法局限性分析 |
| 3.4 UWB辅助的整周模糊度优化算法研究 |
| 3.4.1 基于二次约束最小二乘的浮点解优化 |
| 3.4.2 整周模糊度辅助搜索空间的建立 |
| 3.4.3 基于测距信息的整周模糊度固定解验证方法设计 |
| 3.5 UWB辅助整周模糊度优化算法性能分析 |
| 3.5.1 UWB辅助整周模糊度优化算法仿真环境配置 |
| 3.5.2 UWB辅助整周模糊度优化算法仿真结果分析 |
| 3.6 本章小结 |
| 第四章 UWB辅助的DGNSS/INS相对导航融合算法研究 |
| 4.1 引言 |
| 4.2 基于GNSS/INS/UWB的相对导航融合算法总体方案设计 |
| 4.3 GNSS/INS组合导航算法研究 |
| 4.3.1 惯性导航系统的原理分析 |
| 4.3.2 INS/GNSS紧组合的算法分析与研究 |
| 4.4 基于相对导航的GNSS/INS/UWB融合算法研究 |
| 4.4.1 相对导航融合算法状态方程设计 |
| 4.4.2 相对导航融合算法量测方程设计 |
| 4.4.3 基于抗差自适应无迹卡尔曼滤波的非线性滤波器设计 |
| 4.5 基于相对导航的GNSS/INS/UWB融合算法的性能仿真分析 |
| 4.5.1 仿真环境配置 |
| 4.5.2 IMU仿真参数设置 |
| 4.5.3 仿真结果分析 |
| 4.6 本章小结 |
| 第五章 INS/GNSS/UWB组合导航技术硬件验证平台设计 |
| 5.1 引言 |
| 5.2 基于UWB的相对导航测距和通信方案 |
| 5.2.1 UWB测距数据帧格式设计 |
| 5.2.2 UWB通信数据帧格式设计 |
| 5.2.3 通信帧接收与发送流程设计 |
| 5.3 INS/GNSS/UWB组合导航硬件验证平台搭建 |
| 5.3.1 INS/GNSS/UWB组合导航硬件验证平台功能分析 |
| 5.3.2 INS/GNSS/UWB组合导航系统的硬件模块设计 |
| 5.4 INS/GNSS/UWB组合导航技术验证与分析 |
| 5.4.1 UWB无线通信测试 |
| 5.4.2 硬件验证平台的飞行实验与相关算法的性能分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文主要研究工作 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）基于多源信息融合的无人机相对导航技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 相对导航技术的发展及其应用现状 |
| 1.2.1 相对导航技术的发展 |
| 1.2.2 多源信息融合算法在相对导航中的研究现状 |
| 1.2.3 全源相对导航技术的发展现状 |
| 1.3 关键问题分析 |
| 1.4 论文的研究内容及结构编排 |
| 第二章 基于SINS/DGPS无人机相对导航研究 |
| 2.1 引言 |
| 2.2 无人机集群相对导航系统架构研究 |
| 2.2.1 导航系统性能需求分析 |
| 2.2.2 基于全并行分布式结构的系统框架设计 |
| 2.3 相对惯性导航系统状态递推模型研究 |
| 2.3.1 相对导航运动学模型 |
| 2.3.2 相对姿态四元数误差方程 |
| 2.3.3 相对速度误差方程 |
| 2.4 基于移动基准站的DGPS相对导航模型研究 |
| 2.4.1 DGPS量测模型研究 |
| 2.4.2 整周模糊度的求解 |
| 2.5 基于二级滤波模型的高精度SINS/DGPS组合算法研究 |
| 2.5.1 相对导航系统融合架构设计 |
| 2.5.2 高精度相对状态估计算法研究 |
| 2.5.3 算法仿真验证与分析 |
| 2.6 本章小结 |
| 第三章 测距测角辅助的高可靠性相对导航算法研究 |
| 3.1 引言 |
| 3.2 AOA/ROA型传感器量测模型研究 |
| 3.3 测距测角的双层嵌套式融合结构设计 |
| 3.4 SINS/DGPS/AOA/ROA相对导航算法研究 |
| 3.4.1 局部绝对状态滤波器模型建立 |
| 3.4.2 相对状态跟踪器模型建立 |
| 3.4.3 算法仿真验证与分析 |
| 3.5 本章小结 |
| 第四章 基于扩展卡尔曼滤波的状态估计改进方法 |
| 4.1 引言 |
| 4.2 基于迭代优化的扩展卡尔曼滤波状态估计方法 |
| 4.3 Levenberg-Marquardt优化的迭代扩展卡尔曼滤波算法研究 |
| 4.3.1 IEKF算法和高斯-牛顿迭代方法的一致性分析 |
| 4.3.2 基于LM优化的IEKF融合方法改进 |
| 4.3.3 LM-IEKF算法的仿真验证与分析 |
| 4.4 包含乘性噪声自适应修正的状态估计方法研究 |
| 4.4.1 乘性噪声误差模型研究 |
| 4.4.2 基于残差在线统计的量测噪声自适应修正方法 |
| 4.4.3 Modified LM-IEKF算法仿真验证与分析 |
| 4.5 本章小结 |
| 第五章 基于多传感器协同的全源相对导航算法研究 |
| 5.1 引言 |
| 5.2 全源相对导航系统需求分析及架构设计 |
| 5.2.1 系统性能需求分析 |
| 5.2.2 多传感器协同信息融合结构研究 |
| 5.3 集中式融合架构下的全源自适应融合算法研究 |
| 5.3.1 采用量测模块化分类的增广状态滤波模型建立 |
| 5.3.2 基于模式因子的自适应动态重构滤波算法研究 |
| 5.3.3 算法仿真验证与分析 |
| 5.4 并行分布式融合架构下的全源自适应融合算法研究 |
| 5.4.1 针对异类多源信息的全并行分布式滤波模型建立 |
| 5.4.2 基于异步航迹融合的多模型滤波方法实现 |
| 5.4.3 算法仿真验证与分析 |
| 5.5 本章小结 |
| 第六章 多源信息融合的相对导航系统验证平台 |
| 6.1 引言 |
| 6.2 合作目标相对导航系统移动平台实验设计与验证 |
| 6.2.1 相对导航系统移动平台设计与搭建 |
| 6.2.2 传感器数据处理方法 |
| 6.2.3 基于SINS/DGPS组合的相对导航算法验证 |
| 6.3 非合作目标相对导航系统仿真验证平台实现 |
| 6.3.1 系统仿真验证平台总体方案 |
| 6.3.2 仿真系统功能模块设计 |
| 6.3.3 多传感器协同的相对导航系统仿真实现 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文的主要工作与创新 |
| 7.1.1 本文的主要工作和研究内容 |
| 7.1.2 本文的主要贡献与创新之处 |
| 7.2 进一步工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（9）视觉传感器辅助的高精度组合导航定位技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究与发展现状 |
| 1.2.1 新型导航定位技术的发展动态及应用 |
| 1.2.2 视觉辅助高精度导航定位关键技术及分析 |
| 1.3 本文的主要工作及内容安排 |
| 1.3.1 研究目标 |
| 1.3.2 内容安排 |
| 第2章 相关基础理论 |
| 2.1 坐标系统 |
| 2.1.1 坐标系统的定义 |
| 2.1.2 坐标系统的转换 |
| 2.2 时间系统 |
| 2.3 视觉定位算法 |
| 2.4 卫星定位算法 |
| 2.5 捷联惯性导航更新算法 |
| 2.5.1 姿态更新算法 |
| 2.5.2 速度更新算法 |
| 2.5.3 位置更新算法 |
| 2.6 捷联惯性导航误差方程 |
| 2.6.1 姿态误差方程 |
| 2.6.2 速度误差方程 |
| 2.6.3 位置误差方程 |
| 2.7 扩展卡尔曼滤波 |
| 2.8 本章小结 |
| 第3章 传感器的设计与时空信息配准 |
| 3.1 视觉传感器的设计 |
| 3.1.1 整体需求分析 |
| 3.1.2 图像传感器的选型 |
| 3.1.3 镜头的选型 |
| 3.1.4 合作光源的选型 |
| 3.1.5 主要性能参数 |
| 3.2 视觉传感器误差校正 |
| 3.2.1 视觉传感器误差分析 |
| 3.2.2 镜头畸变改正模型 |
| 3.2.3 实验验证与分析 |
| 3.3 惯性传感器误差分析 |
| 3.3.1 惯性传感器的选型 |
| 3.3.2 惯性传感器误差模型分类 |
| 3.3.3 惯性传感器随机误差建模 |
| 3.4 传感器空间信息配准 |
| 3.4.1 间接量测辅助空间信息配准 |
| 3.4.2 直接地理参考辅助空间信息配准 |
| 3.4.3 状态估计辅助空间信息配准 |
| 3.4.4 空间信息配准精度分析 |
| 3.5 传感器时间信息配准 |
| 3.5.1 传感器时间基准统一模型 |
| 3.5.2 传感器时间延迟模型 |
| 3.5.3 时间信息配准精度分析 |
| 3.6 本章小结 |
| 第4章 基于合作特征的视觉定位与精度分析 |
| 4.1 合作特征的设计与编码 |
| 4.1.1 合作特征的分类 |
| 4.1.2 合作特征的编码设计 |
| 4.2 基于点云/影像信息融合的特征建库 |
| 4.2.1 多层动态聚类优化特征提取 |
| 4.2.2 影像数据辅助优化建库 |
| 4.3 基于编码特征识别的视觉定位 |
| 4.3.1 编码特征的检测与识别 |
| 4.3.2 滑动多窗口优化特征检测与识别 |
| 4.3.3 抗差岭估计优化空间后方交会 |
| 4.4 定位定姿精度分析 |
| 4.4.1 点位精度的影响 |
| 4.4.2 空间分布的影响 |
| 4.4.3 结论 |
| 4.5 本章小结 |
| 第5章 视觉辅助卫星/惯性组合导航定位 |
| 5.1 视觉传感器信息优化处理 |
| 5.1.1 影像信息优化处理 |
| 5.1.2 网络层数据传输 |
| 5.1.3 实时定位模块开发 |
| 5.2 视觉/卫星/惯性组合导航系统模型 |
| 5.2.1 组合导航状态方程 |
| 5.2.2 组合导航观测方程 |
| 5.2.3 多速率量测更新优化求解 |
| 5.3 GNSS/INS辅助视觉定位 |
| 5.3.1 GNSS/INS辅助视觉定位解算 |
| 5.3.2 GNSS/INS辅助编码特征识别 |
| 5.4 导航信息后处理优化定位 |
| 5.4.1 序列影像辅助后处理定位 |
| 5.4.2 虚拟影像辅助后处理定位 |
| 5.4.3 后处理定位模块开发 |
| 5.5 实验验证与分析 |
| 5.5.1 实验准备 |
| 5.5.2 室外组合定位实验 |
| 5.5.3 室内组合定位实验 |
| 5.5.4 视觉信息后处理优化实验 |
| 5.6 本章小结 |
| 第6章 组合导航系统定位精度评估 |
| 6.1 室内外一体空间基准建立 |
| 6.1.1 空间基准的建立 |
| 6.1.2 室内外空间基准的优化传递 |
| 6.1.3 实验验证与分析 |
| 6.1.4 结论 |
| 6.2 基于室外场景的导航定位精度评估 |
| 6.2.1 测量方案设计 |
| 6.2.2 动态检测系统误差修正 |
| 6.2.3 实验验证与分析 |
| 6.2.4 结论 |
| 6.3 基于室内场景的导航定位精度评估 |
| 6.3.1 测量方案设计 |
| 6.3.2 多传感器坐标基准统一 |
| 6.3.3 实验验证与分析 |
| 6.3.4 结论 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文的主要工作和创新点 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（10）传递对准与组合导航滤波器优化设计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和问题陈述 |
| 1.2 惯性导航传递对准技术国内外研究现状分析 |
| 1.2.1 传递对准技术国内外研究现状 |
| 1.2.2 传递对准系统性能影响要素分析 |
| 1.3 GNSS/INS组合导航技术国内外研究现状分析 |
| 1.3.1 GNSS/INS组合导航方式 |
| 1.3.2 GNSS/INS组合导航滤波方法 |
| 1.4 本文主要研究内容 |
| 第2章 参考系统与惯性导航力学编排 |
| 2.1 引言 |
| 2.2 坐标系定义与转换关系 |
| 2.2.1 坐标系定义 |
| 2.2.2 坐标系间转换关系 |
| 2.2.3 直角坐标与大地坐标间的转换 |
| 2.3 惯性导航系统解算模型 |
| 2.3.1 姿态更新方程 |
| 2.3.2 速度更新方程 |
| 2.3.3 位置更新方程 |
| 2.3.4 惯性测量误差模型 |
| 2.4 卫星导航系统模型 |
| 2.4.1 卫星导航系统基础 |
| 2.4.2 导航卫星位置与速度计算模型 |
| 2.4.3 卫星导航测量伪距模型 |
| 2.5 数值仿真分析 |
| 2.5.1 圆锥运动环境惯性导航数值仿真分析 |
| 2.5.2 GPS导航卫星轨道模拟数值仿真分析 |
| 2.6 本章小结 |
| 第3章 惯性导航传递对准系统建模与分析 |
| 3.1 引言 |
| 3.2 传递对准系统状态模型 |
| 3.2.1 ψ_m角惯导传递对准状态模型 |
| 3.2.2 ψ角惯导传递对准状态模型 |
| 3.3 两种传递对准模型转换关系及证明 |
| 3.3.1 充分性证明 |
| 3.3.2 必要性证明 |
| 3.4 改进的传递对准系统观测模型 |
| 3.4.1 ψ角传递对准差分姿态观测模型 |
| 3.4.2 ψ_m角传递对准差分姿态观测模型 |
| 3.5 姿态激励传递对准滤波器设计与分析 |
| 3.5.1 ψ角传递对准卡尔曼滤波器模型 |
| 3.5.2 ψ_m角传递对准卡尔曼滤波器模型 |
| 3.5.3 传递对准卡尔曼滤波器设计 |
| 3.5.4 传递对准线性化状态模型误差补偿方法 |
| 3.5.5 数值仿真分析 |
| 3.6 滑翔起飞航向快速传递对准方法 |
| 3.6.1 滑翔起飞航向传递对准卡尔曼滤波器模型 |
| 3.6.2 滑翔起飞航向对准卡尔曼滤波器参数设计 |
| 3.6.3 滑翔起飞航向安装偏差角计算方法 |
| 3.6.4 数值仿真分析 |
| 3.7 本章小结 |
| 第4章 惯性导航传递对准滤波器优化设计方法 |
| 4.1 引言 |
| 4.2 传递对准卡尔曼滤波特性分析 |
| 4.2.1 卡尔曼滤波器带宽特性 |
| 4.2.2 先验信息对于卡尔曼滤波器的影响 |
| 4.2.3 非平稳随机过程对于卡尔曼滤波过程的影响 |
| 4.3 基于新息的传递对准卡尔曼滤波器优化设计方法 |
| 4.3.1 基于新息序列的自适应估计 |
| 4.3.2 新息序列白化处理与白化特性检验 |
| 4.3.3 基于先验姿态频谱和新息序列的传递对准自适应估计方法 |
| 4.3.4 数值仿真分析 |
| 4.4 基于多模型的传递对准卡尔曼滤波器优化设计方法 |
| 4.4.1 多模型自适应卡尔曼滤波方法 |
| 4.4.2 改进的多模型传递对准自适应卡尔曼滤波方法 |
| 4.4.3 数值仿真分析 |
| 4.5 传递对准系统数据时间延迟处理方法 |
| 4.5.1 基于姿态相位匹配检测的数据同步方法 |
| 4.5.2 不同数据时延同步效果数值仿真分析 |
| 4.6 传递对准精度在线检验方法 |
| 4.6.1 水平对准精度在线检验方法 |
| 4.6.2 航向对准精度在线检验方法 |
| 4.7 本章小结 |
| 第5章 GNSS/INS组合导航滤波器优化设计方法 |
| 5.1 引言 |
| 5.2 卫星导航误差源建模分析 |
| 5.2.1 卫星时钟偏差与轨道偏差 |
| 5.2.2 接收机时钟偏差和噪声 |
| 5.2.3 电离层与对流层延迟 |
| 5.3 基于对流层延迟自适应估计的改进定位解算方法 |
| 5.3.1 卫星导航误差源特性分析 |
| 5.3.2 卫星导航定位解算模型 |
| 5.3.3 对流层延迟自适应估计定位解算方法 |
| 5.4 GNSS/INS组合导航滤波器优化设计 |
| 5.4.1 GNSS/INS组合导航状态模型 |
| 5.4.2 GNSS/INS组合导航观测模型 |
| 5.4.3 基于协方差成形的自适应卡尔曼滤波方法 |
| 5.5 数值仿真分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
四、组合导航系统INS/GNSS/SAR的降阶模型（论文参考文献）
- [1]车辆运动约束的视觉惯性位姿估计及可观测性分析[D]. 史津竹. 吉林大学, 2020(08)
- [2]机载星跟踪器稳定跟踪技术研究[D]. 王帆. 中国科学院大学(中国科学院光电技术研究所), 2020(08)
- [3]应用于海上浮标的卫星通信终端关键技术研究[D]. 饶浩. 中国科学院大学(中国科学院国家空间科学中心), 2020(02)
- [4]面向通用航空的微惯性/GNSS/ADS组合导航信息融合技术研究[D]. 邱望彦. 南京航空航天大学, 2020(07)
- [5]非线性滤波算法在船用组合导航中的应用[D]. 江健. 大连海事大学, 2019(06)
- [6]捷联式重力仪测量数据质量控制方法研究[D]. 王明皓. 国防科技大学, 2019(01)
- [7]基于惯性/GNSS/UWB信息融合的小型无人机编队相对导航技术研究[D]. 王念曾. 南京航空航天大学, 2019(02)
- [8]基于多源信息融合的无人机相对导航技术研究[D]. 朱云峰. 南京航空航天大学, 2019
- [9]视觉传感器辅助的高精度组合导航定位技术研究[D]. 周阳林. 战略支援部队信息工程大学, 2018(02)
- [10]传递对准与组合导航滤波器优化设计方法研究[D]. 刘斌. 哈尔滨工业大学, 2018(01)