组合导航滤波算法

组合导航已成为一个必然趋势，而滤波算法是实现组合导航的关键技术，高精度的滤波解算方法能提高组合导航系统的解算精度。本书介绍了组合导航滤波理论的新思想，分析和阐述了各种滤波器的特点，针对目前滤波器存在的问题和理论局限性，提出了优化的线性滤波算法和非线性滤波方法，适用于不同的组合导航系统状态。本书融入了作者近年来在组合导航线性滤波领域取得的*新研究成果。本书可为从事相关研究的科研人员提供理论参考和借鉴，也可作为工科类特别是控制学科本科生、研究生的参考资料。

高怡：毕业于西北工业大学，获工学博士学位。曾就职于某航天科学研究所和石油领域私企，现为西安石油大学电子工程学院讲师。研究方向：控制理论与控制工程、导航制导与控制。主持国家自然科学基金项目（51604226）、陕西省教育厅重点项目（16JS090）、西安石油大学青年科技创新基金（2015BS44）等；指导研究生电子大赛获西北赛区二等奖，指导大学生创新科研项目（***）一项。在航空学报、中国惯性技术学报、测控技术等期刊杂志上发表学术论文十余篇，其中SCI或EI索引8篇。

目 录
第1章 绪论\t
1．1 组合导航概述\t
1．1．1 组合导航基本概念\t
1．1．2 组合导航系统发展概况\t
1．2 滤波理论的研究概况\t
1．2．1 滤波算法的基本知识\t
1．2．2 线性滤波算法\t
1．2．3 非线性滤波算法\t
1．3 组合导航非线性滤波算法的应用现状\t
第2章 卡尔曼滤波及扩展卡尔曼滤波\t
2．1 卡尔曼滤波的性质\t
2．2 离散卡尔曼滤波算法\t
2．3 连续卡尔曼滤波算法\t
2．3．1 过程噪声\t
2．3．2 量测噪声\t
2．3．3 连续卡尔曼滤波推导\t
2．4 改进的卡尔曼滤波算法\t
2．4．1 鲁棒卡尔曼滤波\t
2．4．2 交互式多模型卡尔曼滤波\t
2．4．3 Sage-Husa卡尔曼滤波\t
2．5 扩展卡尔曼滤波\t
2．5．1 线性化方法\t
2．5．2 离散扩展卡尔曼滤波\t
2．5．3 连续扩展卡尔曼滤波\t
第3章 无迹卡尔曼滤波\t
3．1 无迹变换与采样策略\t
3．1．1 无迹变换原理\t
3．1．2 无迹变换的精度分析\t
3．1．3 无迹变换的采样策略\t
3．2 无迹卡尔曼滤波算法\t
第4章 优化的无迹卡尔曼滤波及其应用\t
4．1 改进的强跟踪无迹卡尔曼滤波及其应用\t
4．1．1 改进的强跟踪无迹卡尔曼滤波算法\t
4．1．2 改进的强跟踪无迹卡尔曼滤波算法在INS/GNSS组合导航系统中的应用\t
4．2 约束无迹卡尔曼滤波及其在车辆组合导航中的应用\t
4．2．1 约束方程\t
4．2．2 约束无迹卡尔曼滤波算法\t
4．2．3 约束无迹卡尔曼滤波统计特性\t
4．2．4 约束无迹卡尔曼滤波算法在GPS/DR组合导航中的应用\t
4．3 抗差模型预测无迹卡尔曼滤波\t
4．3．1 抗差模型预测无迹卡尔曼滤波算法\t
4．3．2 抗差模型预测无迹卡尔曼滤波在SINS/BDS/CNS组合导航中的应用\t
第5章 粒子滤波概述\t
5．1 粒子滤波算法\t
5．1．1 贝叶斯滤波\t
5．1．2 蒙特卡罗采样\t
5．1．3 序贯重要性采样\t
5．1．4 重采样\t
5．1．5 标准粒子滤波算法\t
5．1．6 粒子滤波存在的问题\t
5．2 粒子滤波优化算法\t
5．2．1 避免粒子贫化\t
5．2．2 降低计算复杂度\t
5．2．3 优选重要性密度函数\t
第6章 优化的粒子滤波\t
6．1 抗差自适应中心差分粒子滤波\t
6．1．1 中心差分算法\t
6．1．2 抗差自适应滤波\t
6．1．3 抗差自适应中心差分粒子滤波算法\t
6．1．4 SINS/CNS组合导航系统仿真计算与分析\t
6．2 抗差自适应高斯混合Sigma点粒子滤波\t
6．2．1 高斯粒子滤波\t
6．2．2 抗差自适应高斯混合Sigma点粒子滤波算法\t
6．2．3 SINS/SAR/CNS组合导航系统直接法滤波中的应用\t
第7章 改进的无迹粒子滤波算法及其应用\t
7．1 抗差自适应无迹粒子滤波\t
7．1．1 抗差自适应无迹粒子滤波算法\t
7．1．2 仿真计算与分析\t
7．1．3 抗差自适应无迹粒子滤波在SINS/SAR组合导航系统中的应用\t
7．2 非线性模型预测无迹粒子滤波\t
7．2．1 模型预测滤波\t
7．2．2 非线性模型预测无迹粒子滤波算法\t
7．2．3 非线性模型无迹粒子滤波算法在SINS/SAR组合导航系统中的应用\t
7．3 衰减记忆平方根无迹粒子滤波\t
7．3．1 衰减记忆滤波\t
7．3．2 平方根滤波\t
7．3．3 衰减记忆平方根无迹粒子滤波算法\t
7．3．4 SINS/SAR组合导航系统直接法滤波中的应用\t
7．4 基于似然分布的样本数自适应无迹粒子滤波\t
7．4．1 样本数可自适应调整的粒子滤波\t
7．4．2 基于似然分布的样本数自适应无迹粒子滤波算法\t
7．4．2 SINS/SAR组合导航系统直接法滤波中的应用\t
第8章 基于随机加权的滤波算法及其应用\t
8．1 随机加权估计的基本思想\t
8．2 动态导航定位中的随机加权估计\t
8．2．1 观测残差向量与新息向量的协方差阵\t
8．2．2 观测噪声协方差矩阵的随机加权开窗估计\t
8．2．3 仿真实验与分析\t
8．3 动力学模型误差的Sage随机加权自适应滤波\t
8．3．1 动力学模型系统误差\t
8．3．2 动力学模型误差的Sage随机加权自适应滤波算法\t
8．3．3 仿真计算与分析\t
8．4 基于移动开窗与随机加权估计的自适应无迹卡尔曼滤波及其应用\t
8．4．1 无迹卡尔曼滤波的非重采样形式\t
8．4．2 随机加权因子的确定\t
8．4．3 基于移动开窗与随机加权估计的自适应无迹卡尔曼滤波算法\t
8．4．3 INS/GNSS组合导航系统直接法滤波中的应用\t
参考文献