水下導(dǎo)航信息融合技術(shù)

第一篇基礎(chǔ)篇.
緒論
0.1水下導(dǎo)航信息融合系統(tǒng)的設(shè)計思想
0.2導(dǎo)航多傳感器信息融合與軍事信息融合的關(guān)系
0.3國內(nèi)外水下導(dǎo)航信息融合技術(shù)的發(fā)展現(xiàn)狀
第一章綜合導(dǎo)航與信息融合
1.1綜合導(dǎo)航系統(tǒng)簡介
1.2數(shù)據(jù)與信息
1.3多傳感器信息融合的方法
1.4水下導(dǎo)航信息融合中海洋環(huán)境信息的使用
第二章導(dǎo)航信息的預(yù)處理
2.1數(shù)據(jù)同步
2.2系統(tǒng)誤差及其處理方法
2.3野值剔除
2.4坐標(biāo)系的統(tǒng)一
2.5數(shù)據(jù)壓縮
第三章動態(tài)系統(tǒng)模型的建立
3.1動態(tài)系統(tǒng)模型
3.2系統(tǒng)模型的離散化
3.3系統(tǒng)模型的線性化
3.4模型向量的選擇
3.5以推算導(dǎo)航為主體的動態(tài)模型
3.6以慣性導(dǎo)航為主體的動態(tài)模型
第四章卡爾曼濾波技術(shù)
4.1估計問題與卡爾曼濾波
4.2標(biāo)準(zhǔn)的卡爾曼濾波方程組
4.3標(biāo)準(zhǔn)卡爾曼濾波方程組的解算
4.4卡爾曼濾波在航海中的物理意義
4.5實(shí)用的卡爾曼濾波方程組
4.6卡爾曼濾波的定性分析
4.7卡爾曼濾波的發(fā)散現(xiàn)象及其處理
4.8Sage-Husa自適應(yīng)卡爾曼濾波
第二篇應(yīng)用篇
第五章潛艇水下導(dǎo)航信息融合系統(tǒng)的總體概況
5.1系統(tǒng)的總體構(gòu)成及各組成部分的功能
5.2系統(tǒng)的主要技術(shù)特點(diǎn)
5.3軟件平臺的選擇及其開發(fā)工具的優(yōu)點(diǎn)
第六章神經(jīng)網(wǎng)絡(luò)技術(shù)在導(dǎo)航數(shù)據(jù)預(yù)處理中的應(yīng)用..
6.1傳統(tǒng)的數(shù)據(jù)預(yù)處理方法
6.2采用Vogl快速算法的BP神經(jīng)網(wǎng)絡(luò)
6.3羅經(jīng)和計程儀神經(jīng)網(wǎng)絡(luò)的構(gòu)成
6.4羅經(jīng)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練情況
6.5計程儀神經(jīng)網(wǎng)絡(luò)的訓(xùn)練情況
6.6BP網(wǎng)自適應(yīng)卡爾曼濾波器的結(jié)構(gòu)
6.7模擬實(shí)驗(yàn)分析
第七章新息的模糊控制及頻譜與小波監(jiān)控技術(shù)
7.1新息的模糊控制技術(shù)
7.2新息的頻譜與小波監(jiān)控技術(shù)
第八章量測噪聲及估計方差矩陣自動加權(quán)卡爾曼濾波
8.1量測噪聲自動加權(quán)卡爾曼濾波及其在導(dǎo)航中的應(yīng)用
8.2估計方差矩陣自動加權(quán)卡爾曼濾波及其在導(dǎo)航中的應(yīng)用
8.3估計方差矩陣自動加權(quán)卡爾曼濾波OLE控件的實(shí)現(xiàn)
第九章自動計流的實(shí)現(xiàn)及其在潛艇水下導(dǎo)航中的應(yīng)用
9.1海流數(shù)據(jù)庫的建立
9.2潛艇在風(fēng)流中的航行
9.3潛艇水下定位方法及其存在的弊端
9.4人工計流方法
9.5自動計流的算法
9.6實(shí)際應(yīng)用及海試結(jié)果
第十章潛艇水下導(dǎo)航中的余流估計
10.1潮流表中流信息的偏差
10.2余流估計的基本思想
10.3余流估計的實(shí)際算法
10.4實(shí)測余流與資料余流之間的融合
10.5結(jié)論
第十一章基于VB實(shí)時通信的數(shù)據(jù)預(yù)處理和數(shù)據(jù)實(shí)時記錄
11.1導(dǎo)航數(shù)據(jù)實(shí)時采集和記錄簡介
11.2導(dǎo)航數(shù)據(jù)轉(zhuǎn)換接口裝置簡介
11.3基于VB中MSCOMM控件的數(shù)據(jù)采集及預(yù)處理
11.4實(shí)時數(shù)據(jù)記錄的實(shí)現(xiàn)
11.5海上試驗(yàn)結(jié)果分析
第十二章試驗(yàn)結(jié)果及效能評估
12.1試驗(yàn)情況簡介和精度提高指標(biāo)
12.2遠(yuǎn)航模擬試驗(yàn)1
12.3遠(yuǎn)航模擬試驗(yàn)2
12.4渤海海試結(jié)果及精度分析
參考文獻(xiàn)...