慣性基導(dǎo)航智能信息處理技術(shù)

定　價(jià)：￥98.00

作　者：	申沖
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787121372766	出版時(shí)間：	2019-09-01	包裝：
開本：	16開	頁(yè)數(shù)：	168	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書系統(tǒng)和全面的介紹了慣性基組合導(dǎo)航系統(tǒng)的智能信息處理技術(shù)，本書內(nèi)容可大致分為四部分：第一部分介紹了慣性基組合導(dǎo)航系統(tǒng)智能信息處理技術(shù)的研究背景與研究意義，分析了慣性基組合導(dǎo)航系統(tǒng)、以及慣性器件和組合系統(tǒng)信息處理的研究現(xiàn)狀、發(fā)展趨勢(shì)以及與國(guó)外的差距；第二部分分析了陀螺儀的噪聲成分、以及溫度變化對(duì)陀螺儀漂移的影響，并介紹了基于小波、神經(jīng)網(wǎng)絡(luò)等智能算法的去噪和溫度漂移誤差補(bǔ)償技術(shù)；第三部分重點(diǎn)介紹了卡爾曼濾波器及其改進(jìn)方法在組合導(dǎo)航系統(tǒng)中的應(yīng)用，并提出了非連續(xù)觀測(cè)條件下的組合導(dǎo)航模型，設(shè)計(jì)了基于神經(jīng)網(wǎng)絡(luò)的非連續(xù)觀測(cè)算法；第四部分主要包括基于大腦導(dǎo)航細(xì)胞模型的類腦導(dǎo)航算法，及其在慣性基組合導(dǎo)航系統(tǒng)中的實(shí)現(xiàn)。

作者簡(jiǎn)介

　　申沖，副教授，碩士研究生導(dǎo)師，研究方向?yàn)閷?dǎo)航定位與人工智能。東南大學(xué)/UC Berkeley聯(lián)合培養(yǎng)博士，2014年入職中北大學(xué)儀器與電子學(xué)院。主持國(guó)家自然科學(xué)基金、中央軍委裝備發(fā)展部領(lǐng)域基金以及山西省科技基金等國(guó)家/省部級(jí)項(xiàng)目多項(xiàng)，發(fā)表一作/通信SCI論文20余篇，授權(quán)國(guó)家發(fā)明專利10余項(xiàng)。社會(huì)兼職包括中國(guó)指揮與控制學(xué)會(huì)教育培訓(xùn)工作委員會(huì)委員、IEEE TIM、MSSP、ISA Transactions等高水平SCI期刊審稿人。2017年入選中北大學(xué)青年學(xué)術(shù)帶頭人，2018年入選山西省優(yōu)秀青年學(xué)術(shù)帶頭人。

圖書目錄

第1章緒論\t1
第2章典型慣性器件及系統(tǒng)簡(jiǎn)介\t7
2．1　光纖陀螺\t7
2．2　MEMS陀螺儀\t12
2．3　慣性導(dǎo)航系統(tǒng)\t22
2．3．1　捷聯(lián)慣性導(dǎo)航系統(tǒng)\t22
2．3．2　慣性導(dǎo)航系統(tǒng)基本原理概述\t23
2．3．3　捷聯(lián)慣性系統(tǒng)的基本算法\t26
第3章陀螺噪聲分析與處理技術(shù)\t34
3．1　陀螺噪聲成分與Allan方差分析方法\t34
3．1．1　陀螺噪聲來源與特性分析\t34
3．1．2　Allan方差\t40
3．2　光纖陀螺信號(hào)去噪算法\t44
3．2．1　提升小波變換\t44
3．2．2　前向線性預(yù)測(cè)算法\t49
3．2．3　LWT-FLP算法\t51
3．2．4　光纖陀螺信號(hào)去噪結(jié)果分析\t52
3．3　光纖陀螺角振動(dòng)誤差去除方法\t54
3．3．1　角振動(dòng)實(shí)驗(yàn)與輸出信號(hào)分析\t54
3．3．2　灰色FLP算法\t57
3．3．3　G-FLP算法\t58
3．4　本章小結(jié)\t60
第4章陀螺溫度漂移建模補(bǔ)償技術(shù)\t62
4．1　光纖陀螺溫度漂移與建模方法\t62
4．2　基于外界溫度變化率的光纖陀螺溫度誤差模型\t66
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\t72
4．3．1　神經(jīng)網(wǎng)絡(luò)\t72
4．3．2　Elman神經(jīng)網(wǎng)絡(luò)\t74
4．3．3　遺傳算法\t75
4．3．4　基于GA-Elman的光纖陀螺溫度漂移建模與補(bǔ)償\t77
4．4　本章小結(jié)\t83
第5章非連續(xù)觀測(cè)組合導(dǎo)航模型與算法\t84
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\t84
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\t89
5．2．1　強(qiáng)跟蹤卡爾曼濾波\t89
5．2．2　小波神經(jīng)網(wǎng)絡(luò)\t91
5．2．3　實(shí)驗(yàn)結(jié)果與分析\t95
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\t100
5．3．1　平方根容積卡爾曼濾波\t100
5．3．2　長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)\t103
5．3．3　自學(xué)習(xí)容積卡爾曼濾波\t105
5．3．4　實(shí)驗(yàn)結(jié)果與分析\t109
第6章基于慣性視覺的類腦導(dǎo)航技術(shù)\t116
6．1　仿生導(dǎo)航背景概述\t116
6．2　仿生導(dǎo)航機(jī)理\t118
6．2．1　位置細(xì)胞\t118
6．2．2　頭朝向細(xì)胞\t119
6．2．3　網(wǎng)格細(xì)胞\t122
6．2．4　速度細(xì)胞\t123
6．2．5　類腦導(dǎo)航系統(tǒng)\t124
6．3　高速有效的節(jié)點(diǎn)匹配算法\t128
6．3．1　掃描線強(qiáng)度法\t129
6．3．2　GMS（基于網(wǎng)格的運(yùn)動(dòng)統(tǒng)計(jì)）\t131
6．3．3　掃描線強(qiáng)度/GMS\t135
6．4　算法驗(yàn)證\t136
第7章總結(jié)與展望\t141
7．1　慣性基導(dǎo)航智能信息處理技術(shù)總結(jié)\t141
7．2　研究展望\t144
參考文獻(xiàn)\t145