随机森林回归辅助的GNSS/INS组合导航滤波算法研究

目录

声明

致谢

图清单

表清单

1 绪论

1.1 研究背景与意义（Background and Significance）

1.2.1 GNSS和INS发展现状

1.2.2 组合导航滤波算法发展现状

1.3 主要研究内容（Research Content）

1.4 论文的组织结构（Thesis Structure）

2 GNSS/INS 组合导航原理方法

2.1.1 常用坐标系及其转换

2.1.2 INS的机械编排

2.1.3 INS误差方程

2.2.1 GNSS定位误差源

2.2.2 GNSS卫星定位与差分

2.3 GNSS/INS 组合导航模型（GNSS/INS Integrated Navigation Model）

2.3.1 GNSS/INS组合导航滤波估计方法

2.3.2 GNSS/INS组合导航模式

2.4 本章小结（Chapter Summary）

3 GNSS/INS 组合导航卡尔曼滤波模型

3.1 卡尔曼滤波（Kalman Filter）

3.1.1 线性离散卡尔曼滤波

3.1.2 卡尔曼滤波的离散化

3.2 组合导航滤波模型（Integrated Navigation Filtering Model）

3.2.1 组合导航状态方程

3.2.2 组合导航量测方程

3.3 GNSS/INS 组合导航实验分析（Analysis of GNSS/INS Integrated Navigation Experiments）

3.3.1 实验概况

3.3.2 实验分析

3.4 本章小结（Chapter Summary）

4组合导航改进的Sage-Husa滤波模型

4.1 自适应滤波（Adaptive Filtering）

4.2.1 仿真实验

4.2.2 车载实验

4.3.1 Sage-Husa滤波

4.3.2 一种改进的Sage-Husa滤波方法

4.4.1 仿真实验

4.4.2 车载实验

4.5 本章小结（Chapter Summary）

5 随机森林回归辅助的GNSS/INS组合导航滤波算法

5.1 随机森林原理（Principles of Random Forest）

5.1.1 决策树

5.1.2 随机森林模型构建

5.1.3 随机森林回归的泛化误差

5.2 随机森林辅助组合导航算法实现（Implementation of Random Forest Assisted Integrated Navigation）

5.3.1 仿真实验

5.3.2 车载实验

6 结论与展望

6.1 结论（Conclusions）

6.2 展望（Prospect）

参考文献

作者简历

学位论文原创性声明

学位论文数据集