《现代信息融合技术在组合导航中的应用(第二版)》重点研究的组合导航技术是一种研究活跃、应用广泛、典型的信息融合技术。主要内容有信息融合和组合导航的基本概念、组合导航系统的数学基础和研究方法、组合导航中各种卡尔曼滤波技术、非线性系统状态估计滤波方法、智能信息融合技术在组合导航中的应用方法、联邦卡尔曼滤波器的设计及应用等。
《现代信息融合技术在组合导航中的应用(第二版)》可作为理工科院校导航专业本科生和硕士研究生的教材,也可作为工程技术人员在组合导航系统科研的参考书。
本书重点研究的组合导航技术是一种研究活跃、应用广泛、典型的信息融合技术。导航是人类的基本活动,其技术的发展决定了人类精确控制自身活动范围的能力,影响着人类社会生活。随着技术的发展,人类可利用的导航系统信息资源越来越多。由于不同导航系统各具优劣,提高导航系统的整体性能的有效途径便是采用组合导航技术。可以说,组合导航技术是导航技术发展的必然结果。组合导航系统从产生开始,就将各种不同的导航传感器融合在一起,其独立发展起来的理论与技术有力地促进了信息融合技术的发展。特别是在信息融合研究和应用最为活跃的作战武器系统中,以组合导航系统为代表的导航系统是其最为重要的信息基础平台之一。
本书研究的基础来自于舰船组合导航领域的相关研究工作,试图系统地介绍组合导航信息融合方法的技术脉络和重点知识。概念上注重从技术发展的角度诠释导航与组合导航的内在本质;内容上则注重选取与组合导航信息融合技术相关的研究热点。在编排上本书分为8章,每章相对独立地构成一个大的主题。
第1章主要介绍信息融合和组合导航的基本概念,一方面指出组合导航与信息融合技术在理论方法上交互影响的客观联系;另一方面指出组合导航所具有的本质的信息融合特征。本章也可以看作是组合导航与信息融合的一种快照式介绍,可以方便读者快速从宏观了解组合导航技术的全貌。
第2章主要介绍了组合导航系统的数学基础和研究方法。在这一章节中,除了给出部分典型导航系统的数学模型外,也介绍了组合导航的一般研究方法。上述内容可以帮助初步从事组合导航研究的读者理解研究上的基本问题,同时也构成后续章节论述的基础。
第3章介绍了线性离散系统最优估计方法,内容涵盖基于卡尔曼滤波(KF)技术的滤波、平滑、预测等内容。重点增加了卡尔曼滤波递推公式的贝叶斯推导方法,从递推贝叶斯估计的角度来重新认识信息融合中随机系统状态最优估计问题的本质。这不仅有利于理解以Kalman滤波为代表的线性系统最优估计理论,同时也会对后续其他非线性系统最优估计理论与智能信息融合技术建立更加统一的认识。通过本章选用的典型组合导航问题的算例,读者可以掌握基本的组合导航卡尔曼滤波方法。
第4章介绍组合导航中自适应卡尔曼滤波(AKF)技术的内容。首先分析滤波器发散的原因,并在分析卡尔曼新息序列特征的基础上,从衰减记忆滤波、新息方差估计滤波和多模型估计自适应滤波等几条线索介绍目前自适应卡尔曼滤波技术的研究热点。上述内容可以帮助读者在实际组合导航系统中,研究建立实用的自适应卡尔曼滤波算法。
第5章介绍非线性系统状态估计滤波方法。在传统的扩展卡尔曼滤波(EKF)的基础上,增加了无迹卡尔曼滤波(UKF)、粒子滤波(PF)等内容,上述方法均为近年来本领域的研究热点。读者可以通过本章的GPS/DR组合导航问题,掌握上述非线性滤波方法在应用中的基本特点。
第6章和第7章重点对目前智能信息融合技术在组合导航中的应用方法进行介绍。
第6章主要介绍模糊控制在组合导航信息融合应用的相关内容。本章在简要介绍模糊理论的概念、基本知识和模糊控制器基本设计方法的基础上,对组合导航系统模糊规则设计方法进行了归纳分析,并给出了具体的应用实例。
第7章则重点介绍神经网络信息融合技术在组合导航中的应用方法。对典型的神经网络和学习方法进行了宏观概要性的介绍,并在此基础上对在组合导航中应用神经网络技术的主要研究方法进行了阐述,重点介绍了神经网络自适应算法(NN-AKF)和神经网络模糊推理自适应算法(ANFIS-AKF)两种技术。
第8章介绍了联邦卡尔曼滤波器的设计及应用。内容主要包括在各子滤波器估计不相关和相关条件下的联邦滤波算法、联邦滤波器信息分配算法、数据时空关联以及容错设计等内容。同时选取一个典型的组合导航联邦卡尔曼滤波算例进行介绍。
本书是我们本方向研究课题组多年科研实践的总结。在此向在本书编写过程中提供了大量帮助的上海交通大学金志华教授、田蔚凤教授、王俊璞博士、张静博士、华南理工大学杨艳娟副教授、海军工程大学高启孝教授、边少锋教授、朱涛副教授、范崧伟博士、高薪硕士、朱蕾硕士、信冠杰硕士和聂浩翔硕士一并表示感谢。
本书编写的初衷是期望尽量反映目前组合导航信息融合研究的主要问题,并结合应用需求针对不同问题进行一定深度的阐析,希望所提出的观点思想能够对国内同行有所帮助。由于作者水平所限,错误及不详之处敬请读者指正,不胜感激。
最后,本书的出版用于纪念海军工程大学导航工程专业创始人之一汪人定教授,感谢他为航海导航专业的建设发展所做出的卓越贡献。
第1章 信息融合与组合导航
1.1 信息融合的基本概念
1.1.1 信息融合的由来
1.1.2 信息融合的定义
1.1.3 信息融合技术的应用
1.2 信息融合系统的功能与结构模型
1.2.1 信息融合系统的功能级别
1.2.2 信息融合系统的功能模型
1.2.3 信息融合系统的结构模型
1.2.4 信息融合理论的研究动向
1.3 导航系统的基本概念
1.3.1 导航的基本概念
1.3.2 导航系统在现代战争中的地位
1.3.3 主要导航系统概述
1.3.4 环境信息获取系统
1.3.5 信息支持与决策控制系统
1.4 组合导航系统的基本概念
1.4.1 组合导航的历史与发展
1.4.2 组合导航的基本概念
1.4.3 常见组合导航系统
1.4.4 海军舰艇组合导航系统
1.5 组合导航理论的发展
1.5.1 组合导航与信息融合之间的关系
1.5.2 线性组合导航系统状态估计理论
1.5.3 非线性组合导航系统状态估计理论
本章小结
参考文献
第2章 组合导航数学基础与研究方法
2.1 组合导航数学基础
2.1.1 概率论基础知识
2.1.2 随机过程基础知识
2.2 具有随机干扰的线性动力学系统
2.2.1 随机线性连续系统的数学模型
2.2.2 随机线性离散系统的数学模型
2.2.3 随机线性连续系统的离散化
2.3 导航系统数学模型
2.3.1 惯性导航系统
2.3.2 卫星导航系统
2.4 最优估计方法
2.4.1 最小二乘法估计
2.4.2 最小方差估计与线性最小方差估计
2.4.3 极大后验估计与极大似然估计
2.4.4 贝叶斯估计
2.4.5 几种最优估计比较
2.5 组合导航系统的研究方法
2.5.1 组合导航系统研究的一般过程
2.5.2 组合导航系统的设计模式
2.5.3 组合导航数学仿真方法
2.5.4 组合导航系统的测试
2.6 组合导航系统数字开发平台
2.6.1 组合导航系统数字开发平台架构
2.6.2 数字开发平台系统数学模型研究
2.6.3 组合导航系统数字开发平台功能
本章小结
参考文献
第3章 离散线性系统最优估计方法及其应用
3.1 Kalman滤波的基本概念
3.1.1 Kalman滤波的基本原理
3.1.2 最优滤波、预测与平滑的概念
3.2 随机线性离散系统的Kalman滤波方程
……
第4章 自适应Kalman滤波技术及其应用
第5章 非线性系统状态估计及其应用
第6章 模糊自适应状态估计及其应用
第7章 神经网络信息融合技术及其应用
第8章 联邦Kalman滤波技术及其应用