声明
摘要
图表目录
1绪论
1.1论文课题研究背景及意义
1.2小型无人机多传感器数据融合概况
1.2.1数据融合的研究现状
1.2.2数据融合的理论与方法
1.3 Kalman滤波理论在多传感器数据融合中的应用
1.4论文主要研究内容
2捷联惯性导航原理与测量仿真系统构建
2.1引言
2.2捷联惯性导航基本原理
2.2.1原理概述
2.2.2常用坐标系
2.2.3捷联惯性导航力学编排
2.3传感器测量模型
2.3.1加速度计测量模型
2.3.2陀螺仪测量模型
2.3.3 GPS测量模型
2.3.4气压高度表测量模型
2.3.5磁力计测量模型
2.4无人飞行器仿真系统构建
2.4.1 aeroblk_HL20仿真系统简介
2.4.2导航参数真值生成方法
2.4.3测量仿真值生成示例
2.5捷联惯性导航力学编排方程解算仿真
2.5.1捷联惯性导航方程计算
2.5.2仿真结果及分析
2.6本章小结
3基于线性Kalman滤波的SINS/GPS组合导航数据融合研究
3.1引言
3.2 SINS/GPS组合导航系统基本原理
3.3 SINS/GPS间接估计校正方法
3.4经典Kalman滤波基本理论
3.5 SINS/GPS组合导航系统间接法滤波模型
3.5.1捷联惯导系统误差模型
3.5.2系统状态方程
3.5.3量测方程
3.5.4基于卡尔曼滤波的SINS/GPS数据融合实现
3.5.5仿真结果及分析
3.6本章小结
4基于SR-CDKF方法的SINS/GPS组合导航数据融合研究
4.1引言
4.2 SINS/GPS组合导航系统直接式滤波模型
4.2.1直接校正滤波器结构
4.2.2状态方程
4.2.3量测方程
4.3 SR-CDKF方法在无人机SINS/GPS数据融合中的应用
4.3.1 Sigma点Kalman滤波理论
4.3.2 SR-CDKF算法步骤
4.4仿真分析
4.4.1 GPS测量精度不同时的KF与SR-CDKF滤波对比
4.4.2惯性器件有无固定零偏时的KF与SR-CDKF滤波对比
4.4.3 SINS/GPS数据刷新率不同时的KF与SR-CDKF滤波对比
4.5本章小结
5.基于SR-CDKF方法的多传感器数据融合方法研究
5.1引言
5.2.2状态方程和量测方程
5.2.3仿真分析
5.3 SINS/GPS/气压计/磁力计组合数据融合
5.3.1组合方案
5.3.2状态方程和量测方程
5.3.3仿真分析
5.4本章小结
6总结与展望
6.1工作总结
6.2工作展望
致谢
参考文献
附录