惯性基导航智能信息处理技术

第1章 绪论 1
第2章 典型惯性器件及系统简介 7
2.1　光纤陀螺 7
2.2　MEMS陀螺仪 12
2.3　惯性导航系统 22
2.3.1　捷联惯性导航系统 22
2.3.2　惯性导航系统基本原理概述 23
2.3.3　捷联惯性系统的基本算法 26
第3章 陀螺噪声分析与处理技术 34
3.1　陀螺噪声成分与Allan方差分析方法 34
3.1.1　陀螺噪声来源与特性分析 34
3.1.2　Allan方差 40
3.2　光纤陀螺信号去噪算法 44
3.2.1　提升小波变换 44
3.2.2　前向线性预测算法 49
3.2.3　LWT-FLP算法 51
3.2.4　光纤陀螺信号去噪结果分析 52
3.3　光纤陀螺角振动误差去除方法 54
3.3.1　角振动实验与输出信号分析 54
3.3.2　灰色FLP算法 57
3.3.3　G-FLP算法 58
3.4　本章小结 60
第4章 陀螺温度漂移建模补偿技术 62
4.1　光纤陀螺温度漂移与建模方法 62
4.2　基于外界温度变化率的光纤陀螺温度误差模型 66
4.3　基于遗传算法与Elman神经网络的温度漂移建模和补偿 72
4.3.1　神经网络 72
4.3.2　Elman神经网络 74
4.3.3　遗传算法 75
4.3.4　基于GA-Elman的光纤陀螺温度漂移建模与补偿 77
4.4　本章小结 83
第5章 非连续观测组合导航模型与算法 84
5.1　非连续观测组合导航系统解决思路与典型模型 84
5.2　卡尔曼滤波与神经网络在非连续观测组合导航中的应用 89
5.2.1　强跟踪卡尔曼滤波 89
5.2.2　小波神经网络 91
5.2.3　实验结果与分析 95
5.3　自学习容积卡尔曼滤波在组合导航中的应用 100
5.3.1　平方根容积卡尔曼滤波 100
5.3.2　长短时记忆神经网络 103
5.3.3　自学习容积卡尔曼滤波 105
5.3.4　实验结果与分析 109
第6章 基于惯性视觉的类脑导航技术 116
6.1　仿生导航背景概述 116
6.2　仿生导航机理 118
6.2.1　位置细胞 118
6.2.2　头朝向细胞 119
6.2.3　网格细胞 122
6.2.4　速度细胞 123
6.2.5　类脑导航系统 124
6.3　高速有效的节点匹配算法 128
6.3.1　扫描线强度法 129
6.3.2　GMS（基于网格的运动统计） 131
6.3.3　扫描线强度/GMS 135
6.4　算法验证 136
第7章 总结与展望 141
7.1　惯性基导航智能信息处理技术总结 141
7.2　研究展望 144
参考文献 145