第1章 緒論 1
第2章 典型慣性器件及系統(tǒng)簡(jiǎn)介 7
2.1　光纖陀螺 7
2.2　MEMS陀螺儀 12
2.3　慣性導(dǎo)航系統(tǒng) 22
2.3.1　捷聯(lián)慣性導(dǎo)航系統(tǒng) 22
2.3.2　慣性導(dǎo)航系統(tǒng)基本原理概述 23
2.3.3　捷聯(lián)慣性系統(tǒng)的基本算法 26
第3章 陀螺噪聲分析與處理技術(shù) 34
3.1　陀螺噪聲成分與Allan方差分析方法 34
3.1.1　陀螺噪聲來(lái)源與特性分析 34
3.1.2　Allan方差 40
3.2　光纖陀螺信號(hào)去噪算法 44
3.2.1　提升小波變換 44
3.2.2　前向線性預(yù)測(cè)算法 49
3.2.3　LWT-FLP算法 51
3.2.4　光纖陀螺信號(hào)去噪結(jié)果分析 52
3.3　光纖陀螺角振動(dòng)誤差去除方法 54
3.3.1　角振動(dòng)實(shí)驗(yàn)與輸出信號(hào)分析 54
3.3.2　灰色FLP算法 57
3.3.3　G-FLP算法 58
3.4　本章小結(jié) 60
第4章 陀螺溫度漂移建模補(bǔ)償技術(shù) 62
4.1　光纖陀螺溫度漂移與建模方法 62
4.2　基于外界溫度變化率的光纖陀螺溫度誤差模型 66
4.3　基于遺傳算法與Elman神經(jīng)網(wǎng)絡(luò)的溫度漂移建模和補(bǔ)償 72
4.3.1　神經(jīng)網(wǎng)絡(luò) 72
4.3.2　Elman神經(jīng)網(wǎng)絡(luò) 74
4.3.3　遺傳算法 75
4.3.4　基于GA-Elman的光纖陀螺溫度漂移建模與補(bǔ)償 77
4.4　本章小結(jié) 83
第5章 非連續(xù)觀測(cè)組合導(dǎo)航模型與算法 84
5.1　非連續(xù)觀測(cè)組合導(dǎo)航系統(tǒng)解決思路與典型模型 84
5.2　卡爾曼濾波與神經(jīng)網(wǎng)絡(luò)在非連續(xù)觀測(cè)組合導(dǎo)航中的應(yīng)用 89
5.2.1　強(qiáng)跟蹤卡爾曼濾波 89
5.2.2　小波神經(jīng)網(wǎng)絡(luò) 91
5.2.3　實(shí)驗(yàn)結(jié)果與分析 95
5.3　自學(xué)習(xí)容積卡爾曼濾波在組合導(dǎo)航中的應(yīng)用 100
5.3.1　平方根容積卡爾曼濾波 100
5.3.2　長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò) 103
5.3.3　自學(xué)習(xí)容積卡爾曼濾波 105
5.3.4　實(shí)驗(yàn)結(jié)果與分析 109
第6章 基于慣性視覺(jué)的類腦導(dǎo)航技術(shù) 116
6.1　仿生導(dǎo)航背景概述 116
6.2　仿生導(dǎo)航機(jī)理 118
6.2.1　位置細(xì)胞 118
6.2.2　頭朝向細(xì)胞 119
6.2.3　網(wǎng)格細(xì)胞 122
6.2.4　速度細(xì)胞 123
6.2.5　類腦導(dǎo)航系統(tǒng) 124
6.3　高速有效的節(jié)點(diǎn)匹配算法 128
6.3.1　掃描線強(qiáng)度法 129
6.3.2　GMS（基于網(wǎng)格的運(yùn)動(dòng)統(tǒng)計(jì)） 131
6.3.3　掃描線強(qiáng)度/GMS 135
6.4　算法驗(yàn)證 136
第7章 總結(jié)與展望 141
7.1　慣性基導(dǎo)航智能信息處理技術(shù)總結(jié) 141
7.2　研究展望 144
參考文獻(xiàn) 145