目 录 1
第一篇基础篇 1
绪论 1
0.1水下导航信息融合系统的设计思想 1
0.2导航多传感器信息融合与军事信息融合的 2
关系 2
0.3国内外水下导航信息融合技术的发展现状 3
第一章 综合导航与信息融合 6
1.1综合导航系统简介 6
1.2数据与信息 10
1.3多传感器信息融合的方法 11
1.4水下导航信息融合中海洋环境信息的使用 14
第二章导航信息的预处理 18
2.1 数据同步 19
2.2系统误差及其处理方法 22
2.3野值剔除 25
2.4坐标系的统一 30
2.5数据压缩 36
第三章动态系统模型的建立 40
3.1动态系统模型 41
3.2系统模型的离散化 44
3.3系统模型的线性化 46
3.4模型向量的选择 49
3.5 以推算导航为主体的动态模型 51
3.6 以惯性导航为主体的动态模型 70
第四章卡尔曼滤波技术 79
4.1估计问题与卡尔曼滤波 79
4.2标准的卡尔曼滤波方程组 82
4.3标准卡尔曼滤波方程组的解算 87
4.4卡尔曼滤波在航海中的物理意义 90
4.5实用的卡尔曼滤波方程组 94
4.6卡尔曼滤波的定性分析 103
4.7卡尔曼滤波的发散现象及其处理 108
4.8 Sagc-Husa自适应卡尔曼滤波 112
第二篇应用篇 115
第五章潜艇水下导航信息融合系统的总体概况 115
5.1 系统的总体构成及各组成部分的功能 116
5.2系统的主要技术特点 118
5.3软件平台的选择及其开发工具的优点 120
第六章神经网络技术在导航数据预处理中的应用 122
6.1传统的数据预处理方法 122
6.2采用Vogl快速算法的BP神经网络 123
6.3罗经和计程仪神经网络的构成 124
6.4罗经神经网络的训练情况 125
6.5计程仪神经网络的训练情况 128
6.6 BP网自适应卡尔曼滤波器的结构 133
6.7模拟实验分析 133
第七章新息的模糊控制及频谱与小波监控技术 140
7.1新息的模糊控制技术 140
7.2新息的频谱与小波监控技术 147
在导航中的应用 154
8.1 量测噪声自动加权卡尔曼滤波及其 154
加权卡尔曼滤波 154
第八章量测噪声及估计方差矩阵自动 154
8.2估计方差矩阵自动加权卡尔曼滤波 161
及其在导航中的应用 161
8.3估计方差矩阵自动加权卡尔曼滤波 165
OLE控件的实现 165
第九章 自动计流的实现及其在潜艇水下 172
导航中的应用 172
9.1 海流数据库的建立 172
9.2潜艇在风流中的航行 177
9.3潜艇水下定位方法及其存在的弊端 179
9.5 自动计流的算法 180
9.4人工计流方法 180
9.6实际应用及海试结果 185
第十章潜艇水下导航中的余流估计 187
10.1潮流表中流信息的偏差 187
10.2余流估计的基本思想 188
10.3余流估计的实际算法 189
10.4实测余流与资料余流之间的融合 190
10.5结论 191
和数据实时记录 193
11.1导航数据实时采集和记录简介 193
第十一章基于VB实时通信的数据预处理 193
11.2导航数据转换接口装置简介 194
11.3基于VB中MSCOMM控件的数据 194
采集及预处理 194
11.4实时数据记录的实现 198
11.5海上试验结果分析 198
第十二章试验结果及效能评估 200
12.1试验情况简介和精度提高指标 200
12.2远航模拟试验1 201
12.3远航模拟试验2 202
12.4渤海海试结果及精度分析 203
参考文献 205