水下导航信息融合技术[按需印刷]

.3.4 模型向量的选择
3.5 以推算导航为主体的动态模型
3.6 以惯性导航为主体的动态模型
第四章 卡尔曼滤波技术
4.1 估计问题与卡尔曼滤波
4.2 标准的卡尔曼滤波方程组
4.3 标准卡尔曼滤波方程组的解算
4.4 卡尔曼滤波在航海中的物理意义
4.5 实用的卡尔曼滤波方程组
4.6 卡尔曼滤波的定性分析
4.7 卡尔曼滤波的发散现象及其处理
4.8 sage-husa自适应卡尔曼滤波
第二篇 应用篇
第五章 潜艇水下导航信息融合系统的总体概况
5.1 系统的总体构成及各组成部分的功能
5.2 系统的主要技术特点
5.3 软件平台的选择及其开发工具的优点
第六章 神经网络技术在导航数据预处理中的应用..
6.1 传统的数据预处理方法
6.2 采用vogl快速算法的bp神经网络
6.3 罗经和计程仪神经网络的构成
6.4 罗经神经网络的训练情况
6.5 计程仪神经网络的训练情况
6.6 bp网自适应卡尔曼滤波器的结构
6.7 模拟实验分析
第七章 新息的模糊控制及频谱与小波监控技术
7.1 新息的模糊控制技术
7.2 新息的频谱与小波监控技术
第八章 量测噪声及估计方差矩阵自动加权卡尔曼滤波
8.1 量测噪声自动加权卡尔曼滤波及其在导航中的应用
8.2 估计方差矩阵自动加权卡尔曼滤波及其在导航中的应用
8.3 估计方差矩阵自动加权卡尔曼滤波ole控件的实现
第九章 自动计流的实现及其在潜艇水下导航中的应用
9.1 海流数据库的建立
9.2 潜艇在风流中的航行
9.3 潜艇水下定位方法及其存在的弊端
9.4 人工计流方法
9.5 自动计流的算法
9.6 实际应用及海试结果
第十章 潜艇水下导航中的余流估计
10.1 潮流表中流信息的偏差
10.2 余流估计的基本思想
10.3 余流估计的实际算法
10.4 实测余流与资料余流之间的融合
10.5 结论
第十一章 基于vb实时通信的数据预处理和数据实时记录
11.1 导航数据实时采集和记录简介
11.2 导航数据转换接口装置简介
11.3 基于vb中mscomm控件的数据采集及预处理
11.4 实时数据记录的实现
11.5 海上试验结果分析
第十二章 试验结果及效能评估
12.1 试验情况简介和精度提高指标
12.2 远航模拟试验1
12.3 远航模拟试验2
12.4 渤海海试结果及精度分析
参考文献...