第一章 概论
§1.1 卫星导航系统的发展及其影响
§1.2 惯性导航
§1.3 融合导航
§1.4 导航计算方法综述
第二章 贝叶斯估计理论
§2.1 贝叶斯定理
§2.2 参数的先验密度函数
§2.3 参数无先验信息的贝叶斯估计
§2.4 参数具有先验信息的贝叶斯估计
第三章 序贯导航定位解算原理
§3.1 一般性描述
§3.2 序贯静态最小二乘参数平差
§3.3 序贯最小二乘条件平差
§3.4 具仃运动方程的序贯最小二乘导航解
§3.5 各观测历元均有独立参数的序贯导航解
§3.6 部分增加参数的序贯导航解
§3.7 顾及状态方程及增加参数的序贯导航解
§3.8 顾及状态方程及减少参数的序贯导航解
第四章 Kalman滤波
§4.1 滤波的基本概念
§4.2 动力学模型和观测模型
§4.3 Kalman滤波一般解算原理
§4.4 Kalman滤波新息向量及其性质
§4.5 噪声互相关情况下的滤波
§4.6 Kalman滤波简单小结
第五章 运动载体的动态模型
§5.1 概述
§5.2 CV模型
§5.3 CA模型
§5.4 变加速模型
§5.5 基于多种观测信息的状态方程
第六章 导航解算中的误差探测、诊断与修复
§6.1 概述
§6.2 误差探测
§6.3 误差诊断
§6.4 模型修复
§6.5 动态Kalman滤波模型误差的影响
§6.6 Kalman滤波异常误差检测
第七章 抗差估计理论介绍
§7.1 抗差估计综述
§7.2 抗差M估计原理及影响函数?
§7.3 参数平差模型的抗差解
§7.4 抗差估计的验后方差一协方差估计
§7.5 双因子相关观测抗差估计理论
第八章 动态抗差导航解算理论
§8.1 概述
§8.2 静态序贯抗差估计解
§8.3 动态序贯抗差估计解
§8.4 抗差贝叶斯估计
§8.5 抗差Kalman滤波
第九章 随机模型误差补偿法
§9.1 概述
§9.2 附加方差协方差矩阵滤波算法
§9.3 模型误差协方差矩阵的自适应估计
§9.4 先验协方差矩阵的开窗估计法——Sage—Husa滤波法
§9.5 渐消滤波原理及其理论分析
第十章 函数模型误差补偿法
§10.1 附加补偿参数的滤波模型
§10.2 附加补偿参数滤波的解算策略
§10.3 系统模型误差对导航解的影响分析
§10.4 观测模型系统误差的开窗拟合
§10.5 动力学模型系统误差的开窗拟合
§10.6 动力学模型误差的加权开窗拟合
§10.7 系统误差开窗拟合计算与分析
§10.8 GPS导航解算中几种非线性Kalman滤波算法及比较
第十一章 含有色噪声的滤波
§11.1 白噪声和有色噪声基本概念
§11.2 系统噪声为有色噪声而观测噪声为白噪声情形
§11.3 系统噪声为白噪声而观测噪声为有色噪声情形
§11.4 动态定位有色噪声影响函数
§11.5 动态定位中的有色噪声拟合
第十二章 抗差自适应滤波
§12.1 概述
§12.2 抗差自适应Kalman滤波原理
§12.3 自适应滤波解的性质
§12.4 自适应滤波与Sage滤波组合
§12.5 抗差自适应滤波与渐消滤波的综合比较分析
§12.6 多因子抗差自适应滤波
第十三章 自适应因子模型
§13.1 概述
§13.2 自适应学习因子——模型误差判别统计量
§13.3 自适应因子函数及分析
§13.4 综合计算比较
§13.5 最优自适应因子求解
第十四章 抗差自适应滤波理论在导航定位中的应用
§14.1 抗差自适应滤波在车载GPS道路修测中的应用
§14.2 自适应卫星定轨
§14.3 抗差自适应Kalman滤波应用于机载GPS导航定位
§14.4 自适应联合平差算法
第十五章 GPS导航若干实际问题
§15.1 GPS观测函数模型
§15.2 双差观测值的统计模型
§15.3 具有整周模糊参数的动态GPS序贯导航解及滤波解
§15.4 GPS动态测量周跳检验
第十六章 融合导航理论
§16.1 联邦滤波原理及其分析
§16.2 几种最优融合导航算法
§16.3 动静态滤波融合导航
§16.4 基于多传感器观测信息抗差估计的自适应融合导航
§16.5 基于多传感器局部几何导航结果的自适应融合导航
§16.6 基于方差分量估计的自适应融合导航
§16.7 IMU／GPS组合导航系统自适应Kalman滤波算法
参考文献
缺书网
扫码进群