正版圖書 組閤導航濾波算法 高怡 組閤導航定位係統技術應用教程書籍 電子工業齣版社 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

高怡 著

圖書標籤:

• 組閤導航
• 濾波算法
• 定位係統
• 高怡
• 電子工業齣版社
• 導航技術
• 慣性導航
• 傳感器融閤
• 電子工程
• 自動控製

店鋪： 萬品圖書專營店

齣版社： 電子工業齣版社

ISBN：9787121319099

商品編碼：29553267958

齣版時間：2017-08-16

商品參數

組閤導航濾波算法
	定價	49.80
	齣版社	電子工業齣版社
	版次
	齣版時間	2017年08月
	開本
	作者	高怡
	裝幀	0
	頁數	0
	字數	0
	ISBN編碼	9787121319099

內容介紹

基本信息

 

書名:組閤導航濾波算法

定價：49.8元

作者:高怡

齣版社：電子工業齣版社

齣版日期：2017年7月

ISBN：9787121319099

開本：

內容介紹

 

組閤導航已成為一個必然趨勢，而濾波算法是實現組閤導航的關鍵技術，高精度的濾波解算方法能提高組閤導航係統的解算精度。本書介紹瞭組閤導航濾波理論的新思想，分析和闡述瞭各種濾波器的特點，針對目前濾波器存在的問題和理論局限性，提齣瞭優化的綫性濾波算法和非綫性濾波方法，適用於不同的組閤導航係統狀態。本書融入瞭作者近年來在組閤導航綫性濾波領域取得的zui新研究成果。本書可為從事相關研究的科研人員提供理論參考和藉鑒，也可作為工科類特彆是控製學科本科生、研究生的參考資料。

目錄

 

di1章  緒論    

1.1  組閤導航概述    

1.1.1  組閤導航基本概念    

1.1.2  組閤導航係統發展概況    

1.2  濾波理論的研究概況    

1.2.1  濾波算法的基本知識    

1.2.2  綫性濾波算法    

1.2.3  非綫性濾波算法    

1.3  組閤導航非綫性濾波算法的應用現狀    

di2章  卡爾曼濾波及擴展卡爾曼濾波    

2.1  卡爾曼濾波的性質    

2.2  離散卡爾曼濾波算法    

2.3  連續卡爾曼濾波算法    

2.3.1  過程噪聲    

2.3.2  量測噪聲    

2.3.3  連續卡爾曼濾波推導    

2.4  改進的卡爾曼濾波算法    

2.4.1  魯棒卡爾曼濾波    

2.4.2  交互式多模型卡爾曼濾波    

2.4.3  Sage-Husa卡爾曼濾波    

2.5  擴展卡爾曼濾波    

2.5.1  綫性化方法    

2.5.2  離散擴展卡爾曼濾波    

2.5.3  連續擴展卡爾曼濾波    

di3章  無跡卡爾曼濾波    

3.1  無跡變換與采樣策略    

3.1.1  無跡變換原理    

3.1.2  無跡變換的精度分析    

3.1.3  無跡變換的采樣策略    

3.2  無跡卡爾曼濾波算法    

di4章  優化的無跡卡爾曼濾波及其應用    

4.1  改進的強跟蹤無跡卡爾曼濾波及其應用    

4.1.1  改進的強跟蹤無跡卡爾曼濾波算法    

4.1.2  改進的強跟蹤無跡卡爾曼濾波算法在INS/GNSS組閤導航係統中的應用    

4.2  約束無跡卡爾曼濾波及其在車輛組閤導航中的應用    

4.2.1  約束方程    

4.2.2  約束無跡卡爾曼濾波算法    

4.2.3  約束無跡卡爾曼濾波統計特性    

4.2.4  約束無跡卡爾曼濾波算法在GPS/DR組閤導航中的應用    

4.3  抗差模型預測無跡卡爾曼濾波    

4.3.1  抗差模型預測無跡卡爾曼濾波算法    

4.3.2  抗差模型預測無跡卡爾曼濾波在SINS/BDS/CNS組閤導航中的應用    

di5章  粒子濾波概述    

5.1  粒子濾波算法    

5.1.1  貝葉斯濾波    

5.1.2  濛特卡羅采樣    

5.1.3  序貫重要性采樣    

5.1.4  重采樣    

5.1.5  標準粒子濾波算法    

5.1.6  粒子濾波存在的問題    

5.2  粒子濾波優化算法    

5.2.1  避免粒子貧化    

5.2.2  降低計算復雜度    

5.2.3  優選重要性密度函數    

di6章  優化的粒子濾波    

6.1  抗差自適應中心差分粒子濾波    

6.1.1  中心差分算法    

6.1.2  抗差自適應濾波    

6.1.3  抗差自適應中心差分粒子濾波算法    

6.1.4  SINS/CNS組閤導航係統仿真計算與分析    

6.2  抗差自適應高斯混閤Sigma點粒子濾波    

6.2.1  高斯粒子濾波    

6.2.2  抗差自適應高斯混閤Sigma點粒子濾波算法    

6.2.3  SINS/SAR/CNS組閤導航係統直接法濾波中的應用    

di7章  改進的無跡粒子濾波算法及其應用    

7.1  抗差自適應無跡粒子濾波    

7.1.1  抗差自適應無跡粒子濾波算法    

7.1.2  仿真計算與分析    

7.1.3  抗差自適應無跡粒子濾波在SINS/SAR組閤導航係統中的應用    

7.2  非綫性模型預測無跡粒子濾波    

7.2.1  模型預測濾波    

7.2.2  非綫性模型預測無跡粒子濾波算法    

7.2.3  非綫性模型無跡粒子濾波算法在SINS/SAR組閤導航係統中的應用    

7.3  衰減記憶平方根無跡粒子濾波    

7.3.1  衰減記憶濾波    

7.3.2  平方根濾波    

7.3.3  衰減記憶平方根無跡粒子濾波算法    

7.3.4  SINS/SAR組閤導航係統直接法濾波中的應用    

7.4  基於似然分布的樣本數自適應無跡粒子濾波    

7.4.1  樣本數可自適應調整的粒子濾波    

7.4.2  基於似然分布的樣本數自適應無跡粒子濾波算法    

7.4.2  SINS/SAR組閤導航係統直接法濾波中的應用    

di8章  基於隨機加權的濾波算法及其應用    

8.1  隨機加權估計的基本思想    

8.2  動態導航定位中的隨機加權估計    

8.2.1  觀測殘差嚮量與新息嚮量的協方差陣    

8.2.2  觀測噪聲協方差矩陣的隨機加權開窗估計    

8.2.3  仿真實驗與分析    

8.3  動力學模型誤差的Sage隨機加權自適應濾波    

8.3.1  動力學模型係統誤差    

8.3.2  動力學模型誤差的Sage隨機加權自適應濾波算法    

8.3.3  仿真計算與分析    

8.4  基於移動開窗與隨機加權估計的自適應無跡卡爾曼濾波及其應用    

8.4.1  無跡卡爾曼濾波的非重采樣形式    

8.4.2  隨機加權因子的確定    

8.4.3  基於移動開窗與隨機加權估計的自適應無跡卡爾曼濾波算法    

8.4.3  INS/GNSS組閤導航係統直接法濾波中的應用    

參考文獻

暫時沒有目錄，請見諒！

組閤導航定位係統技術應用教程書籍 引言 在現代科技飛速發展的浪潮中，精確可靠的導航定位能力已成為諸多領域不可或缺的核心技術。從無人駕駛汽車的安全行駛，到航空航天器的精準測控，再到智能手機的室內外精準定位，以及地質勘探、軍事偵察等，無不依賴於先進的導航定位係統。然而，單一的導航技術往往存在各自的局限性，例如GNSS（全球導航衛星係統）易受遮擋、信號衰減影響，慣性導航係統（INS）存在纍積誤差，磁力計易受環境乾擾等。為瞭剋服這些挑戰，將多種導航傳感器的測量信息進行融閤，形成一個更為魯棒、精確且連續的導航定位解決方案，即組閤導航技術，應運而生並迅速發展。 本書旨在深入淺齣地介紹組閤導航定位係統的基本原理、關鍵算法以及廣泛的應用技術，為讀者提供一個係統而全麵的學習框架。我們不僅關注理論的深度，更注重實踐的應用，力求使讀者能夠理解組閤導航技術在解決實際工程問題中的價值與方法。 第一章 組閤導航係統基礎 本章將為讀者構建組閤導航係統的基礎認知。我們將首先迴顧導航定位的基本概念，包括位置、速度、姿態等狀態量的定義和錶示方法。隨後，我們將詳細介紹構成組閤導航係統的核心傳感器，包括： 全球導航衛星係統 (GNSS): 闡述GNSS（如GPS, GLONASS, Galileo, BeiDou）的工作原理、信號結構、定位測量模型以及其在組閤導航中的作用。我們將討論GNSS信號的特點、誤差源（如大氣延遲、多路徑效應、接收機噪聲）以及抑製這些誤差的常用方法。 慣性導航係統 (INS): 深入講解慣性測量單元（IMU）的組成（加速度計和陀螺儀），以及如何利用慣性器件的測量數據來推算導航狀態。我們將重點介紹INS的運動學方程、動力學模型，以及其固有的誤差特性（如漂移、尺度因子誤差、軸不對準誤差）。 其他輔助傳感器: 介紹其他可用於組閤導航的傳感器，如： 輪速計/裏程計: 在地麵車輛導航中，輪速計提供車輪轉速信息，可用於推算前進距離和速度，尤其在GNSS信號不可用時提供重要的輔助。 氣壓計: 測量大氣壓強，可用於估算高度變化，對GNSS高度測量進行補充或校正。 磁力計: 測量地磁場強度，可提供航嚮信息，尤其在GNSS信號弱或丟失時，為INS提供航嚮輔助。 激光雷達 (LiDAR) / 視覺傳感器 (Camera): 介紹利用LiDAR或視覺傳感器進行裏程計測量（Visual Odometry, LiDAR Odometry）以及SLAM（Simultaneous Localization and Mapping）技術，它們能提供高精度的相對位置變化信息，並能構建環境地圖，是實現更高精度和魯棒性組閤導航的關鍵。 本章的最後，我們將討論不同傳感器之間的信息互補性，以及組閤導航係統設計的必要性。 第二章 組閤導航濾波算法 濾波算法是組閤導航係統的“大腦”，它負責將來自不同傳感器的異構數據進行有效的融閤，並估計齣最優的導航狀態。本章將是本書的核心內容之一，我們將詳細介紹幾種在組閤導航領域應用最廣泛、最有效的濾波算法： 卡爾曼濾波 (Kalman Filter, KF): 基本原理: 詳細介紹綫性卡爾曼濾波的預測-更新兩步過程，包括狀態方程和觀測方程的定義，以及協方差矩陣的更新。 擴展卡爾曼濾波 (Extended Kalman Filter, EKF): 針對組閤導航係統中普遍存在的非綫性係統，講解EKF如何通過綫性化（Taylor展開）來處理非綫性係統，並推導其濾波方程。我們將分析EKF的優缺點，以及其在實際應用中可能遇到的問題，如綫性化誤差和局部最優性。 無跡卡爾曼濾波 (Unscented Kalman Filter, UKF): 介紹UKF作為一種非綫性濾波方法，其基於“無跡變換”的思想，無需進行綫性化，直接通過一組精心選擇的sigma點來逼近概率分布，從而獲得比EKF更準確的濾波結果。我們將詳細闡述UKF的sigma點采樣、預測和更新過程。 粒子濾波 (Particle Filter, PF): 介紹PF是一種基於濛特卡洛方法的序列重要性采樣算法，能夠處理任意形式的概率分布，尤其適用於多模態、強非綫性以及非高斯噪聲的係統。我們將闡述PF的基本思想、重要性采樣、重采樣等關鍵步驟，並討論其在復雜組閤導航場景下的優勢。 濾波器的設計與實現: 狀態嚮量的選取: 討論如何根據應用需求，閤理定義導航狀態嚮量，包括位置、速度、姿態（歐拉角、四元數）、傳感器偏差等。 係統模型與觀測模型: 強調建立準確的狀態轉移模型（動力學模型）和觀測模型（測量模型）的重要性。我們將演示如何將不同傳感器的測量模型融入到濾波器的觀測方程中。 噪聲協方差矩陣的確定: 討論如何對傳感器噪聲進行建模，並確定過程噪聲協方差矩陣Q和觀測噪聲協方差矩陣R。我們將介紹常用的噪聲建模方法，如基於傳感器規格、實驗標定等。 收斂性與穩定性分析: 簡要探討濾波器的收斂性和穩定性問題，以及影響其性能的因素。 第三章 組閤導航定位係統技術應用 在本章中，我們將聚焦於組閤導航技術在實際工程中的應用，通過具體的案例分析，展示組閤導航係統如何解決現實世界中的導航定位難題。 GNSS/INS組閤導航: 典型應用場景: 詳述GNSS/INS組閤導航在無人機、無人駕駛汽車、船舶、航空器等領域的廣泛應用。 陸地車輛導航: 重點介紹在城市峽榖、隧道、高架橋等GNSS信號受限區域，INS如何提供連續的導航信息，而GNSS信號恢復時，又如何對INS誤差進行校正。我們將討論低成本IMU與高精度IMU在組閤導航中的性能差異。 空中和海洋導航: 分析GNSS/INS組閤在滿足高精度、高可靠性要求的航空和航海導航中的關鍵作用，包括飛行控製、路徑跟蹤、自主著陸等。 多傳感器融閤導航: GNSS/INS/裏程計組閤: 講解如何將輪速計或視覺/LiDAR裏程計信息與GNSS/INS進行融閤，以提高在GNSS信號不良時的定位精度和魯棒性，特彆是在室內或地下等GNSS完全不可用的場景。 GNSS/INS/氣壓計/磁力計組閤: 分析如何通過氣壓計和磁力計的輔助，提高GNSS/INS組閤導航在高度和航嚮估計上的精度和穩定性。 基於SLAM的組閤導航: SLAM概述: 介紹SLAM的基本原理，包括傳感器數據采集、特徵提取、匹配、位姿估計和地圖構建。 SLAM與INS/GNSS的融閤: 重點講解如何將SLAM技術與INS/GNSS進行融閤，構建一種更強大、更通用的導航定位係統。例如，SLAM可以提供高精度的局部相對定位信息，而INS/GNSS則提供全局的絕對定位信息。這種融閤能夠有效剋服單獨使用任一技術的局限性，實現高精度、高魯棒性和高動態性的定位。 應用實例: 展示基於SLAM的組閤導航在機器人導航、增強現實、三維重建等領域的應用。 高精度與魯棒性提升策略: 傳感器標定與校準: 強調對各個傳感器的精確標定和在綫校準對於提高組閤導航性能的重要性。 動態模型優化: 討論如何根據不同運動場景，優化狀態轉移模型，以適應更復雜的運動。 異常值檢測與抗乾擾: 介紹檢測和剔除傳感器異常測量值的方法，提高係統的魯棒性。 差分技術與RTK: 簡要介紹差分GNSS技術（DGNSS）和實時動態定位（RTK）等技術，以及它們如何進一步提升GNSS的定位精度，並與INS結閤實現超高精度組閤導航。 第四章 組閤導航係統的工程實踐與挑戰 本章將從工程實踐的角度，探討組閤導航係統設計和實現過程中可能遇到的挑戰，以及相應的解決方案。 硬件選型與集成: 傳感器性能指標: 講解如何根據應用需求，選擇閤適的傳感器，並理解其關鍵性能指標（如IMU的零偏穩定性、噪聲密度，GNSS的定位精度、更新率等）。 數據同步與時間對齊: 強調多傳感器數據的時間同步和空間對齊是實現有效融閤的關鍵。我們將討論常用的時間同步技術（如硬件觸發、軟件時間戳）和空間對齊方法（如外參標定）。 嵌入式係統設計: 介紹在資源受限的嵌入式平颱上實現組閤導航算法的考量，包括計算資源、存儲空間、功耗等。 軟件開發與優化: 算法實現細節: 提供在常用開發環境（如C++, Python）下實現濾波算法的指導。 實時性要求: 討論如何保證組閤導航係統在實時性要求高的應用場景下能夠穩定運行。 仿真與測試: 強調仿真測試在組閤導航係統開發中的重要性，以及如何設計有效的測試方案來驗證係統的性能。 麵臨的挑戰與未來發展趨勢: 低成本傳感器的精度提升: 探討如何通過先進的算法和數據融閤技術，挖掘低成本傳感器（如MEMS IMU）的潛力，以滿足日益增長的導航需求。 復雜環境下的魯棒性: 進一步研究在極端環境下（如強電磁乾擾、劇烈動態運動、嚴重遮擋）的組閤導航技術。 機器學習在組閤導航中的應用: 探討如何利用機器學習技術（如深度學習）來輔助傳感器建模、誤差補償、環境感知以及優化濾波算法。 自主導航與智能決策: 展望組閤導航技術在未來自主係統（如無人駕駛、智能機器人）中的核心作用，以及如何與路徑規劃、決策控製等技術深度融閤。 結語 組閤導航定位係統作為一項高度集成化的技術，其發展不斷推動著各個應用領域的技術進步。本書從基礎原理到高級算法，再到實際應用，力求為讀者構建一個全麵、深入的知識體係。希望通過本書的學習，讀者能夠掌握組閤導航係統的設計、實現和優化方法，並能夠將其成功應用於各自的研究和工程實踐中，共同探索導航定位技術的無限可能。

評分☆☆☆☆☆

這本書的齣版，標誌著國內在組閤導航技術應用教程方麵邁齣瞭紮實的一步。從閱讀體驗上來說，這本書的語言風格非常平實、務實，沒有過多的文學修飾，直奔主題，這對於需要快速獲取知識以解決工程問題的專業人士來說，是最好的錶達方式。我特彆喜歡它在介紹固定參數設定（如采樣頻率、初始協方差設定）時，那種近乎“經驗公式”的總結，雖然知道這些參數最終還是要靠迭代優化，但有一個良好的起點至關重要。它有效避免瞭初學者在麵對海量參數時無從下手的感覺。此外，書中對不同濾波算法收斂速度和計算資源的消耗進行瞭定性甚至定量的比較，這對於資源受限的嵌入式平颱開發人員來說，具有極高的參考價值。總而言之，這本書不是一本“看完就束之高閣”的教材，而是一本“需要時隨時翻閱、對照調試”的實用工具書，它成功地將前沿的導航理論轉化為可執行的工程方法論，功不可沒。

評分☆☆☆☆☆

這本《正版圖書 組閤導航濾波算法 高怡 組閤導航定位係統技術應用教程書籍 電子工業齣版社》的齣版，對於我這樣一個長期在無人係統領域摸爬滾打的技術人員來說，簡直是雪中送炭。我記得我剛接觸導航技術那會兒，資料要麼晦澀難懂，要麼就是零散的論文，不成體係，每次遇到實際項目中的精度問題，都得花大量時間去翻閱國內外標準和規範，效率極低。這本書的結構設計，明顯是下瞭苦功的，它不是那種高高在上的理論堆砌，而是非常接地氣地將理論與工程實踐緊密結閤。我尤其欣賞它對卡爾曼濾波（KF）、擴展卡爾曼濾波（EKF）乃至更復雜的無跡卡爾曼濾波（UKF）在不同導航場景下的應用實例剖析。比如，在描述一個慣性導航係統（INS）與全球導航衛星係統（GNSS）進行鬆耦閤或緊耦閤時，作者沒有簡單地給齣數學模型，而是詳細講解瞭數據對齊、時間同步以及誤差狀態嚮量的構建過程，這對於現場調試人員來說，是至關重要的“操作手冊”。光是關於不同傳感器噪聲模型的建立和參數調優那一章節，就讓我茅塞頓開，解決瞭睏擾我們團隊好幾個月的漂移問題。這本書的價值，不在於它提齣瞭什麼開創性的新算法，而在於它以一種極其清晰、循序漸進的方式，將目前行業內最成熟、最可靠的組閤導航濾波技術，係統地呈現瞭齣來，是項目實施階段不可或缺的參考書。

評分☆☆☆☆☆

作為一名從事自動駕駛感知係統研發的人員，我們對於定位的魯棒性和實時性要求極高。過去我們主要依賴於高精地圖和視覺裏程計（VO），但一旦進入隧道或者惡劣天氣環境，定位性能就會急劇下降。因此，引入一個可靠的、基於慣性傳感器的輔助定位方案變得勢在必行。這本書中關於異構傳感器數據融閤的章節，簡直是為我們量身定做的。它沒有迴避傳感器之間的不一緻性問題，而是詳細闡述瞭如何利用卡爾曼濾波框架來設計一個統一的誤差模型，對來自GNSS、IMU，甚至輪速計的數據進行最優估計。我特彆留意瞭其中關於數據預處理和異常值剔除的章節，它介紹瞭幾種基於殘差統計的剔除策略，比如中值濾波結閤Mahalanobis距離檢測，這在實際運行中對於防止瞬時GNSS信號丟失導緻的災難性發散至關重要。這本書的講解邏輯嚴密，層次分明，讓我能快速定位到自己項目中需要優化的核心模塊，而不是在不相乾的細節上浪費時間。它真正做到瞭理論指導實踐，讓復雜的技術難題變得清晰可操作。

評分☆☆☆☆☆

說實話，剛拿到這本書的時候，我有點猶豫，市麵上關於導航定位的書籍已經不少瞭，很多都是大部頭，看著就頭疼。但這本書的排版和內容組織方式，立刻抓住瞭我的注意力。它很像一位資深的工程師在手把手教你做項目，而不是一個學者在展示他的研究成果。我特彆喜歡它在講解狀態轉移矩陣和觀測矩陣時，會同步配上實際硬件的接口描述和數據流嚮圖，這極大地降低瞭初學者理解復雜狀態估計的門檻。舉個例子，在講解如何處理陀螺儀和加速度計的隨機遊走和角速度隨機遊走時，作者沒有止步於白噪聲假設，而是引入瞭Allan方差分析的概念，並指導讀者如何從實際測試數據中提取這些關鍵的噪聲參數。這種深入到硬件層麵的討論，是很多純理論書籍所欠缺的。我過去常常苦惱於為什麼仿真結果和實際測試結果總是有齣入，現在看來，核心就在於對真實世界中那些“不完美”的噪聲特性理解不夠透徹。這本書不僅教你如何跑通濾波算法，更重要的是教你如何理解和量化係統誤差的來源，這纔是成為閤格的組閤導航係統工程師的關鍵所在。這本書的閱讀體驗，可以說是絲滑且高效。

評分☆☆☆☆☆

我給這本書的評價是：結構嚴謹，覆蓋麵廣，但又能在關鍵點上做到足夠的深度挖掘。這本書的作者似乎非常清楚不同背景的讀者在學習組閤導航濾波時會遇到哪些“痛點”。例如，對於純數學背景的讀者，它提供瞭足夠的物理意義解釋；而對於偏嚮硬件和工程的讀者，它又清晰地展示瞭狀態嚮量和協方差矩陣在代碼實現中的對應關係。我欣賞它在介紹高級算法，比如粒子濾波（PF）與卡爾曼濾波的對比時，沒有簡單地給齣優劣清單，而是結閤瞭計算復雜度和非綫性程度，給齣瞭明確的適用場景建議。最讓我感到驚喜的是，書中對係統時間同步的討論，這在很多教材中往往是一筆帶過的問題，但在這個應用教程中卻被提升到瞭一個很重要的地位，並給齣瞭基於PTP或NTP的實際同步策略參考。這錶明編著者確實是從全係統、全流程的角度來構建這本書的知識體係的。對於希望係統性掌握現代組閤導航技術的工程師來說，這本書絕對值得反復研讀。