慣性基導航智能信息處理技術(shù)

第1章 緒論\t1
第2章 典型慣性器件及系統(tǒng)簡介\t7
2．1　光纖陀螺\t7
2．2　MEMS陀螺儀\t12
2．3　慣性導航系統(tǒng)\t22
2．3．1　捷聯(lián)慣性導航系統(tǒng)\t22
2．3．2　慣性導航系統(tǒng)基本原理概述\t23
2．3．3　捷聯(lián)慣性系統(tǒng)的基本算法\t26
第3章 陀螺噪聲分析與處理技術(shù)\t34
3．1　陀螺噪聲成分與Allan方差分析方法\t34
3．1．1　陀螺噪聲來源與特性分析\t34
3．1．2　Allan方差\t40
3．2　光纖陀螺信號去噪算法\t44
3．2．1　提升小波變換\t44
3．2．2　前向線性預測算法\t49
3．2．3　LWT-FLP算法\t51
3．2．4　光纖陀螺信號去噪結(jié)果分析\t52
3．3　光纖陀螺角振動誤差去除方法\t54
3．3．1　角振動實驗與輸出信號分析\t54
3．3．2　灰色FLP算法\t57
3．3．3　G-FLP算法\t58
3．4　本章小結(jié)\t60
第4章 陀螺溫度漂移建模補償技術(shù)\t62
4．1　光纖陀螺溫度漂移與建模方法\t62
4．2　基于外界溫度變化率的光纖陀螺溫度誤差模型\t66
4．3　基于遺傳算法與Elman神經(jīng)網(wǎng)絡的溫度漂移建模和補償\t72
4．3．1　神經(jīng)網(wǎng)絡\t72
4．3．2　Elman神經(jīng)網(wǎng)絡\t74
4．3．3　遺傳算法\t75
4．3．4　基于GA-Elman的光纖陀螺溫度漂移建模與補償\t77
4．4　本章小結(jié)\t83
第5章 非連續(xù)觀測組合導航模型與算法\t84
5．1　非連續(xù)觀測組合導航系統(tǒng)解決思路與典型模型\t84
5．2　卡爾曼濾波與神經(jīng)網(wǎng)絡在非連續(xù)觀測組合導航中的應用\t89
5．2．1　強跟蹤卡爾曼濾波\t89
5．2．2　小波神經(jīng)網(wǎng)絡\t91
5．2．3　實驗結(jié)果與分析\t95
5．3　自學習容積卡爾曼濾波在組合導航中的應用\t100
5．3．1　平方根容積卡爾曼濾波\t100
5．3．2　長短時記憶神經(jīng)網(wǎng)絡\t103
5．3．3　自學習容積卡爾曼濾波\t105
5．3．4　實驗結(jié)果與分析\t109
第6章 基于慣性視覺的類腦導航技術(shù)\t116
6．1　仿生導航背景概述\t116
6．2　仿生導航機理\t118
6．2．1　位置細胞\t118
6．2．2　頭朝向細胞\t119
6．2．3　網(wǎng)格細胞\t122
6．2．4　速度細胞\t123
6．2．5　類腦導航系統(tǒng)\t124
6．3　高速有效的節(jié)點匹配算法\t128
6．3．1　掃描線強度法\t129
6．3．2　GMS（基于網(wǎng)格的運動統(tǒng)計）\t131
6．3．3　掃描線強度/GMS\t135
6．4　算法驗證\t136
第7章 總結(jié)與展望\t141
7．1　慣性基導航智能信息處理技術(shù)總結(jié)\t141
7．2　研究展望\t144
參考文獻\t145