X射線脈沖星導(dǎo)航理論

目錄
前言
第1章緒論1
1.1脈沖星導(dǎo)航概述1
1.2國內(nèi)外研究現(xiàn)狀及分析3
1.2.1脈沖星的發(fā)現(xiàn)與觀測3
1.2.2XNAV的發(fā)展歷程4
1.2.3X射線脈沖星信號處理的研究現(xiàn)狀8
1.2.4X射線脈沖星導(dǎo)航模型的研究現(xiàn)狀13
1.3本書的結(jié)構(gòu)安排15
1.3.1信號處理的研究16
1.3.2導(dǎo)航模型的研究17
第2章脈沖星與X射線脈沖星導(dǎo)航19
2.1脈沖星及其特性19
2.2常用的脈沖星數(shù)據(jù)庫及選星方法23
2.3基本坐標系24
2.4基本時間系統(tǒng)27
2.5X射線脈沖星導(dǎo)航的原理28
2.6X射線脈沖星導(dǎo)航數(shù)學模型30
2.6.1狀態(tài)方程30
2.6.2觀測方程33
2.7小結(jié)34
第3章基于小波壓縮感知的周期估計算法35
3.1基于小波壓縮感知的周期估計算法的框架35
3.2基于扭*輪廓的字典構(gòu)建36
3.2.1脈沖星光子到達時間的數(shù)學模型36
3.2.2扭*輪廓的原理38
3.2.3字典的構(gòu)建方法40
3.3基于提升小波的觀測矩陣設(shè)計41
3.4基于小波域的卡方重構(gòu)算法45
3.5基于PP周期估計初始值的確定45
3.6算法性能分析50
3.6.1周期估計算法的復(fù)雜度分析50
3.6.2周期估計算法的數(shù)值仿真與分析52
3.7小結(jié)58
第4章脈沖輪廓信號的小波降噪算法60
4.1小波降噪的原理分析60
4.2小波基的構(gòu)造61
4.3小波基提升方案的實現(xiàn)65
4.4仿真與分析66
4.5小結(jié)76
第5章基于壓縮感知的TOA估計算法77
5.1基于壓縮感知的TOA估計算法的框架77
5.2TOA估計預(yù)處理79
5.3基于雙字典和同尺度1-范數(shù)的TOA估計81
5.3.1基于雙字典的信號稀疏化82
5.3.2二元隨機觀測矩陣84
5.3.3基于SSL1的重構(gòu)算法85
5.4基于小波域壓縮感知的TOA估計86
5.4.1小波域的多級字典86
5.4.2小波層數(shù)相關(guān)的隨機觀測矩陣88
5.4.3基于小波域的重構(gòu)算法89
5.5預(yù)處理與性能分析90
5.5.1算法復(fù)雜度分析90
5.5.2仿真與分析93
5.6小結(jié)98
第6章X射線脈沖星方位誤差估計99
6.1脈沖星方位誤差分析99
6.2增廣脈沖星方位誤差估計算法102
6.2.1算法設(shè)計102
6.2.2可觀測性證明105
6.2.3仿真分析106
6.3TSKF脈沖星方位誤差估計算法110
6.3.1估計算法誤差影響分析110
6.3.2算法設(shè)計113
6.3.3仿真分析116
6.4小結(jié)120
第7章X射線脈沖星導(dǎo)航算法121
7.1基于分段線性化的截斷誤差建模方法121
7.1.1觀測模型高階項分析121
7.1.2截斷誤差的近似線性數(shù)學模型128
7.1.3仿真分析131
7.2基于ASEKF的脈沖星導(dǎo)航算法134
7.2.1算法設(shè)計134
7.2.2可觀測性證明137
7.2.3仿真分析139
7.3考慮有色噪聲影響的脈沖星導(dǎo)航兩級強跟蹤差分濾波器144
7.3.1中心天體星歷誤差分析145
7.3.2有色噪聲分析148
7.3.3TSTDKF算法設(shè)計149
7.3.4仿真分析154
7.4基于異步重疊觀測方法的預(yù)修正導(dǎo)航算法157
7.4.1異步觀測方法157
7.4.2異步重疊觀測方法160
7.4.3預(yù)修正擴展卡爾曼濾波器設(shè)計162
7.4.4仿真分析166
7.5基于多重次優(yōu)漸消擴展卡爾曼濾波的慣性/星光/脈沖星組合導(dǎo)航算法170
7.5.1慣性導(dǎo)航誤差模型170
7.5.2觀測模型172
7.5.3多重次優(yōu)漸消擴展卡爾曼濾波器174
7.5.4組合導(dǎo)航算法設(shè)計175
7.5.5仿真分析178
7.6基于虛擬加速度計的INS/CNS/XNAV組合導(dǎo)航算法183
7.6.1基于虛擬加速度計的INS/CNS/XNAV組合導(dǎo)航算法的框架183
7.6.2VA/XNAV的信息融合185
7.6.3INS/CNS/XNAV的信息融合190
7.6.4仿真分析192
7.7小結(jié)197
參考文獻198