航天器多源信息融合自主導(dǎo)航技術(shù)（精）

第1章 緒論
1．1 航天器自主導(dǎo)航技術(shù)
1．1．1 慣性自主導(dǎo)航
1．1．2 光學(xué)自主導(dǎo)航
1．1．3 脈沖星自主導(dǎo)航
1．2 多源信息融合技術(shù)
1．2．1 多源信息融合的定義
1．2．2 多源信息融合的模型
1．2．3 多源信息融合的分類
1．2．4 多源信息融合的方法
1．3 航天器多源信息融合自主導(dǎo)航技術(shù)
1．3．1 研究應(yīng)用與進(jìn)展
1．3．2 必要性和優(yōu)勢
1．4 本書內(nèi)容概要
參考文獻(xiàn)
第2章 估計(jì)理論
2．1 基本概念
2．2 幾種常用的最優(yōu)估計(jì)方法
2．2．1 最小均方誤差估計(jì)
2．2．2 極大似然估計(jì)
2．2．3 極大后驗(yàn)估計(jì)
2．2．4 加權(quán)最小二乘估計(jì)
2．3 估計(jì)算法的解析形式
2．3．1 線性估計(jì)算法
2．3．2 聯(lián)合高斯分布的MMSE估計(jì)算法
2．3．3 線性觀測對應(yīng)的估計(jì)算法
2．4 動態(tài)系統(tǒng)中的狀態(tài)估計(jì)算法
2．4．1 遞歸貝葉斯估計(jì)算法
2．4．2 卡爾曼濾波算法
2．4．3 擴(kuò)展卡爾曼濾波算法
2．4．4 無跡卡爾曼濾波算法
2．4．5 約束卡爾曼濾波
2．5 小結(jié)
參考文獻(xiàn)
第3章 融合算法
3．1 融合結(jié)構(gòu)
3．2 線性融合模型和算法
3．2．1 線性統(tǒng)一模型
3．2．2 線性統(tǒng)一模型下的融合算法
3．2．3 分布式融合中的協(xié)方差交叉算法
3．3 動態(tài)系統(tǒng)的集中式融合卡爾曼濾波
3．3．1 并行濾波
3．3．2 序貫濾波
3．3．3 數(shù)據(jù)壓縮濾波
3．4 動態(tài)系統(tǒng)的分布式融合卡爾曼濾波
3．4．1 標(biāo)準(zhǔn)分布式卡爾曼濾波
3．4．2 協(xié)方差交叉算法
3．4．3 聯(lián)邦濾波算法
3．5 小結(jié)
參考文獻(xiàn)
第4章 性能分析
4．1 線性系統(tǒng)的可觀性
4．1．1 線性定常系統(tǒng)的可觀性
4．1．2 線性時變系統(tǒng)的可觀性
……
第5章 時空系統(tǒng)
第6章 動力學(xué)模型與環(huán)境模型
第7章 慣性自主導(dǎo)航技術(shù)
第8章 光學(xué)自主導(dǎo)航技術(shù)
第9章 脈沖星自主導(dǎo)航技術(shù)
第10章 光學(xué)與脈沖星融合自主導(dǎo)航技術(shù)
第11章 慣性與測距測速／光學(xué)融合自主導(dǎo)航技術(shù)
第12章 航天器多源信息融合自主導(dǎo)航仿真試驗(yàn)技術(shù)
第13章 航天器多源信息融合自主導(dǎo)航技術(shù)的發(fā)展展望
附錄A 單位、常數(shù)及單位換算
附錄B 常用函數(shù)的導(dǎo)數(shù)
附錄C 矩陣相關(guān)知識