組合導(dǎo)航濾波算法

定　價(jià)：￥49.80

作　者：	高怡著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787121319099	出版時(shí)間：	2017-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	164	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　組合導(dǎo)航已成為一個(gè)必然趨勢(shì)，而濾波算法是實(shí)現(xiàn)組合導(dǎo)航的關(guān)鍵技術(shù)，高精度的濾波解算方法能提高組合導(dǎo)航系統(tǒng)的解算精度。本書(shū)介紹了組合導(dǎo)航濾波理論的新思想，分析和闡述了各種濾波器的特點(diǎn)，針對(duì)目前濾波器存在的問(wèn)題和理論局限性，提出了優(yōu)化的線性濾波算法和非線性濾波方法，適用于不同的組合導(dǎo)航系統(tǒng)狀態(tài)。本書(shū)融入了作者近年來(lái)在組合導(dǎo)航線性濾波領(lǐng)域取得的*新研究成果。本書(shū)可為從事相關(guān)研究的科研人員提供理論參考和借鑒，也可作為工科類特別是控制學(xué)科本科生、研究生的參考資料。

作者簡(jiǎn)介

　　高怡：畢業(yè)于西北工業(yè)大學(xué)，獲工學(xué)博士學(xué)位；現(xiàn)為西安石油大學(xué)電子工程學(xué)院教師。主要研究方向：控制理論與控制工程、導(dǎo)航制導(dǎo)與控制。主持國(guó)家自然科學(xué)基金項(xiàng)目（51604226）、陜西省教育廳重點(diǎn)項(xiàng)目（16JS090）、西安石油大學(xué)青年科技創(chuàng)新基金（2015BS44）各一項(xiàng)；參與國(guó)家863計(jì)劃、中國(guó)石油科技創(chuàng)新基金、陜西省科技攻關(guān)等項(xiàng)目多項(xiàng)。指導(dǎo)大學(xué)生創(chuàng)新科研項(xiàng)目（**級(jí)）一項(xiàng)，指導(dǎo)研究生電子大賽獲西北賽區(qū)二等獎(jiǎng)1項(xiàng)。發(fā)表學(xué)術(shù)論文十余篇，其中SCI或EI索引8篇。

圖書(shū)目錄

目錄
第1章緒論
1．1 組合導(dǎo)航概述
1．1．1 組合導(dǎo)航基本概念
1．1．2 組合導(dǎo)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(shí)
1．2．2 線性濾波算法
1．2．3 非線性濾波算法
1．3 組合導(dǎo)航非線性濾波算法的應(yīng)用現(xiàn)狀
第2章卡爾曼濾波及擴(kuò)展卡爾曼濾波
2．1 卡爾曼濾波的性質(zhì)
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(guò)程噪聲
2．3．2 量測(cè)噪聲
2．3．3 連續(xù)卡爾曼濾波推導(dǎo)
2．4 改進(jìn)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(kuò)展卡爾曼濾波
2．5．1 線性化方法
2．5．2 離散擴(kuò)展卡爾曼濾波
2．5．3 連續(xù)擴(kuò)展卡爾曼濾波
第3章無(wú)跡卡爾曼濾波
3．1 無(wú)跡變換與采樣策略
3．1．1 無(wú)跡變換原理
3．1．2 無(wú)跡變換的精度分析
3．1．3 無(wú)跡變換的采樣策略
3．2 無(wú)跡卡爾曼濾波算法
第4章優(yōu)化的無(wú)跡卡爾曼濾波及其應(yīng)用
4．1 改進(jìn)的強(qiáng)跟蹤無(wú)跡卡爾曼濾波及其應(yīng)用
4．1．1 改進(jìn)的強(qiáng)跟蹤無(wú)跡卡爾曼濾波算法
4．1．2 改進(jìn)的強(qiáng)跟蹤無(wú)跡卡爾曼濾波算法在INS/GNSS組合導(dǎo)航系統(tǒng)中的應(yīng)用
4．2 約束無(wú)跡卡爾曼濾波及其在車輛組合導(dǎo)航中的應(yīng)用
4．2．1 約束方程
4．2．2 約束無(wú)跡卡爾曼濾波算法
4．2．3 約束無(wú)跡卡爾曼濾波統(tǒng)計(jì)特性
4．2．4 約束無(wú)跡卡爾曼濾波算法在GPS/DR組合導(dǎo)航中的應(yīng)用
4．3 抗差模型預(yù)測(cè)無(wú)跡卡爾曼濾波
4．3．1 抗差模型預(yù)測(cè)無(wú)跡卡爾曼濾波算法
4．3．2 抗差模型預(yù)測(cè)無(wú)跡卡爾曼濾波在SINS/BDS/CNS組合導(dǎo)航中的應(yīng)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(biāo)準(zhǔn)粒子濾波算法
5．1．6 粒子濾波存在的問(wèn)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(jì)算復(fù)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(yīng)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(yīng)濾波
6．1．3 抗差自適應(yīng)中心差分粒子濾波算法
6．1．4 SINS/CNS組合導(dǎo)航系統(tǒng)仿真計(jì)算與分析
6．2 抗差自適應(yīng)高斯混合Sigma點(diǎn)粒子濾波
6．2．1 高斯粒子濾波
6．2．2 抗差自適應(yīng)高斯混合Sigma點(diǎn)粒子濾波算法
6．2．3 SINS/SAR/CNS組合導(dǎo)航系統(tǒng)直接法濾波中的應(yīng)用
第7章改進(jìn)的無(wú)跡粒子濾波算法及其應(yīng)用
7．1 抗差自適應(yīng)無(wú)跡粒子濾波
7．1．1 抗差自適應(yīng)無(wú)跡粒子濾波算法
7．1．2 仿真計(jì)算與分析
7．1．3 抗差自適應(yīng)無(wú)跡粒子濾波在SINS/SAR組合導(dǎo)航系統(tǒng)中的應(yīng)用
7．2 非線性模型預(yù)測(cè)無(wú)跡粒子濾波
7．2．1 模型預(yù)測(cè)濾波
7．2．2 非線性模型預(yù)測(cè)無(wú)跡粒子濾波算法
7．2．3 非線性模型無(wú)跡粒子濾波算法在SINS/SAR組合導(dǎo)航系統(tǒng)中的應(yīng)用
7．3 衰減記憶平方根無(wú)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(wú)跡粒子濾波算法
7．3．4 SINS/SAR組合導(dǎo)航系統(tǒng)直接法濾波中的應(yīng)用
7．4 基于似然分布的樣本數(shù)自適應(yīng)無(wú)跡粒子濾波
7．4．1 樣本數(shù)可自適應(yīng)調(diào)整的粒子濾波
7．4．2 基于似然分布的樣本數(shù)自適應(yīng)無(wú)跡粒子濾波算法
7．4．2 SINS/SAR組合導(dǎo)航系統(tǒng)直接法濾波中的應(yīng)用
第8章基于隨機(jī)加權(quán)的濾波算法及其應(yīng)用
8．1 隨機(jī)加權(quán)估計(jì)的基本思想
8．2 動(dòng)態(tài)導(dǎo)航定位中的隨機(jī)加權(quán)估計(jì)
8．2．1 觀測(cè)殘差向量與新息向量的協(xié)方差陣
8．2．2 觀測(cè)噪聲協(xié)方差矩陣的隨機(jī)加權(quán)開(kāi)窗估計(jì)
8．2．3 仿真實(shí)驗(yàn)與分析
8．3 動(dòng)力學(xué)模型誤差的Sage隨機(jī)加權(quán)自適應(yīng)濾波
8．3．1 動(dòng)力學(xué)模型系統(tǒng)誤差
8．3．2 動(dòng)力學(xué)模型誤差的Sage隨機(jī)加權(quán)自適應(yīng)濾波算法
8．3．3 仿真計(jì)算與分析
8．4 基于移動(dòng)開(kāi)窗與隨機(jī)加權(quán)估計(jì)的自適應(yīng)無(wú)跡卡爾曼濾波及其應(yīng)用
8．4．1 無(wú)跡卡爾曼濾波的非重采樣形式
8．4．2 隨機(jī)加權(quán)因子的確定
8．4．3 基于移動(dòng)開(kāi)窗與隨機(jī)加權(quán)估計(jì)的自適應(yīng)無(wú)跡卡爾曼濾波算法
8．4．3 INS/GNSS組合導(dǎo)航系統(tǒng)直接法濾波中的應(yīng)用
參考文獻(xiàn)