編輯推薦:    《現(xiàn)代信息融合技術(shù)在組合導(dǎo)航中的應(yīng)用》是關(guān)于介紹“現(xiàn)代信息融合技術(shù)在組合導(dǎo)航中的應(yīng)用”的教學(xué)用書，主要內(nèi)容有：信息融合和組合導(dǎo)航的基本概念、組合導(dǎo)航系統(tǒng)的數(shù)學(xué)基礎(chǔ)和研究方法、線性離散系統(tǒng)最優(yōu)估計方法等。 <br>    《現(xiàn)代信息融合技術(shù)在組合導(dǎo)航中的應(yīng)用》可作為導(dǎo)航專業(yè)本科生和碩士研究生的課程教材。

內(nèi)容簡介:    《現(xiàn)代信息融合技術(shù)在組合導(dǎo)航中的應(yīng)用》重點研究的組合導(dǎo)航技術(shù)是一種研究活躍、應(yīng)用廣泛、典型的信息融合技術(shù)。主要內(nèi)容有：信息融合和組合導(dǎo)航的基本概念、組合導(dǎo)航系統(tǒng)的數(shù)學(xué)基礎(chǔ)和研究方法、線性離散系統(tǒng)最優(yōu)估計方法、組合導(dǎo)航中各種卡爾曼濾波技術(shù)、非線性系統(tǒng)狀態(tài)估計濾波方法、智能信息融合技術(shù)在組合導(dǎo)航中的應(yīng)用方法、聯(lián)邦卡爾曼濾波器的設(shè)計及應(yīng)用等。本書可作為導(dǎo)航專業(yè)本科生和碩士研究生的課程教材，又可作為工-程技術(shù)人員在組合導(dǎo)航系統(tǒng)科研中的參考用書。

目錄:第1章  信息融合與組合導(dǎo)航<br>1.1 信息融合的基本概念<br>1.1.1  信息融合的由來<br>1.1.2  信息融合的定義<br>1.1.3  信息融合技術(shù)的應(yīng)用<br>1.2  信息融合系統(tǒng)的功能與結(jié)構(gòu)模型<br>1.2.1  信息融合系統(tǒng)的功能級別<br>1.2.2  信息融合系統(tǒng)的功能模型<br>1.2.3  信息融合系統(tǒng)的結(jié)構(gòu)模型<br>1.2.4  信息融合理論的研究動向<br>1.3 導(dǎo)航系統(tǒng)的基本概念<br>1.3.1  導(dǎo)航的基本概念<br>1.3.2  導(dǎo)航系統(tǒng)在現(xiàn)代戰(zhàn)爭中的地位<br>1.3.3  主要導(dǎo)航系統(tǒng)概述<br>1.3.4  環(huán)境信息獲取系統(tǒng)<br>1.3.5  信息支持與決策控制系統(tǒng)<br>1.4  組合導(dǎo)航系統(tǒng)的基本概念<br>1.4.1  組合導(dǎo)航的歷史與發(fā)展<br>1.4.2  組合導(dǎo)航的基本概念<br>1.4.3  常見的組合導(dǎo)航系統(tǒng)<br>1.4.4  海軍艦艇組合導(dǎo)航系統(tǒng)<br>1.5  組合導(dǎo)航理論的發(fā)展<br>1.5.1  組合導(dǎo)航與信息融合之間的關(guān)系<br>1.5.2  線性組合導(dǎo)航系統(tǒng)狀態(tài)估計理論<br>1.5.3  非線性組合導(dǎo)航系統(tǒng)狀態(tài)估計理論<br>本章小結(jié)<br>參考文獻(xiàn)<br>第2章  組合導(dǎo)航數(shù)學(xué)基礎(chǔ)與研究方法<br>2.1 組合導(dǎo)航數(shù)學(xué)基礎(chǔ)<br>2.1.1  概率論基礎(chǔ)知識<br>2.1.2  隨機(jī)過程基礎(chǔ)知識<br>2.2  具有隨機(jī)干擾的線性動力學(xué)系統(tǒng)<br>2.2.1  隨機(jī)線性連續(xù)系統(tǒng)的數(shù)學(xué)模型<br>2.2.2  隨機(jī)線性離散系統(tǒng)的數(shù)學(xué)模型<br>2.2.3  隨機(jī)線性連續(xù)系統(tǒng)的離散化<br>2.3  導(dǎo)航系統(tǒng)數(shù)學(xué)模型<br>2.3.1  慣性導(dǎo)航系統(tǒng)數(shù)學(xué)誤差模型<br>2.3.2  衛(wèi)星導(dǎo)航系統(tǒng)誤差數(shù)學(xué)模型<br>2.4  最優(yōu)估計方法<br>2.4.1  最小二乘估計<br>2.4.2  最小方差估計與線性最小方差估計<br>2.4.3  極大驗后估計與極大似然估計<br>2.4.4  貝葉斯估計<br>2.4.5  幾種最優(yōu)估計比較<br>2.5  組合導(dǎo)航系統(tǒng)的研究方法<br>2.5.1  組合導(dǎo)航系統(tǒng)研究的一般過程<br>2.5.2  組合導(dǎo)航系統(tǒng)的設(shè)計模式<br>2.5.3  組合導(dǎo)航數(shù)學(xué)仿真方法<br>2.5.4  組合導(dǎo)航系統(tǒng)的測試<br>2.6  組合導(dǎo)航系統(tǒng)數(shù)字開發(fā)平臺<br>2.6.1  組合導(dǎo)航系統(tǒng)數(shù)字開發(fā)平臺架構(gòu)<br>2.6.2  數(shù)字開發(fā)平臺系統(tǒng)數(shù)學(xué)模型研究<br>2.6.3  組合導(dǎo)航系統(tǒng)數(shù)字開發(fā)平臺功能<br>本章小結(jié)<br>參考文獻(xiàn)<br>第3章  離散線性系統(tǒng)最優(yōu)估計方法及其應(yīng)用<br>3.1  卡爾曼濾波的基本概念<br>3.1.1  卡爾曼濾波的基本原理<br>3.1.2  最優(yōu)濾波、預(yù)測與平滑的概念<br>3.2  隨機(jī)線性離散系統(tǒng)的卡爾曼濾波方程<br>3.2.1  隨機(jī)線性離散系統(tǒng)的卡爾曼濾波方程的直觀推導(dǎo)<br>3.2.2  隨機(jī)線性連續(xù)系統(tǒng)的卡爾曼濾波基本方程<br>3.3  線性系統(tǒng)卡爾曼濾波的貝葉斯推導(dǎo)<br>3.3.1  遞推貝葉斯估計<br>3.3.2  隨機(jī)線性離散系統(tǒng)的卡爾曼濾波方程的貝葉斯推導(dǎo)<br>3.4  卡爾曼濾波的穩(wěn)定性<br>3.5  隨機(jī)線性離散系統(tǒng)的最優(yōu)預(yù)測<br>3.6  隨機(jī)線性離散系統(tǒng)的最優(yōu)平滑<br>3.6.  1平滑估計方法<br>3.6.2  固定區(qū)間平滑遞推公式推導(dǎo)<br>3.7  基于INS的組合導(dǎo)航通用卡爾曼濾波模型<br>3.7.1  GINS系統(tǒng)平臺與姿態(tài)角誤差變換矩陣<br>3.7.2  基于INS的組合導(dǎo)航通用卡爾曼濾波模型<br>3.7.3  不同外觀測量下的組合子系統(tǒng)的可觀測性分析<br>3.7.4  不同外觀測量下的初始對準(zhǔn)可觀測度分析<br>3.8  卡爾曼濾波在組合導(dǎo)航中的應(yīng)用算例<br>3.8.1  卡爾曼濾波器在INS／GPS組合導(dǎo)航中的應(yīng)用<br>3.8.2  最優(yōu)平滑濾波在INS／GPS組合導(dǎo)航中的算例<br>本章小結(jié)<br>參考文獻(xiàn)<br>第4章  自適應(yīng)卡爾曼濾波技術(shù)及其應(yīng)用<br>4.1  卡爾曼濾波的發(fā)散問題<br>4.1.1  卡爾曼濾波發(fā)散的原因<br>4.1.2  卡爾曼濾波的發(fā)散現(xiàn)象舉例<br>4.2  卡爾曼濾波的發(fā)散的抑制<br>4.2.1  衰減記憶濾波算法<br>4.2.2  限定記憶濾波算法<br>4.2.3  自適應(yīng)濾波原理<br>4.3  卡爾曼濾波器新息序列<br>4.3.1  卡爾曼濾波器新息的概念<br>4.3.2  新息方式的卡爾曼濾波形式<br>4.3.3  濾波器理想穩(wěn)態(tài)時新息序列<br>4.3.4  濾波器非理想狀態(tài)時的新息序列<br>4.4  基于新息自適應(yīng)估計（IAE）的卡爾曼濾波技術(shù)<br>4.4.1  新息調(diào)制方差匹配技術(shù)<br>4.4.2  新息自適應(yīng)估計卡爾曼濾波算法<br>4.4.3  新息相關(guān)法自適應(yīng)濾波<br>4.5  基于多模型自適應(yīng)估計（MMAE）卡爾曼濾波技術(shù)<br>4.6  強(qiáng)跟蹤自適應(yīng)卡爾曼濾波器<br>4.7  GPS／INS組合導(dǎo)航系統(tǒng)自適應(yīng)濾波<br>4.7.1  IAE自適應(yīng)卡爾曼濾波數(shù)字驗證<br>4.7.2  靜態(tài)試驗驗證<br>本章小結(jié)<br>參考文獻(xiàn)<br>第5章  非線性系統(tǒng)狀態(tài)估計及其應(yīng)用<br>5.1  非線性系統(tǒng)基本概念<br>5.2  擴(kuò)展卡爾曼濾波<br>5.2.1  圍繞標(biāo)稱狀態(tài)線性化的卡爾曼濾波方程<br>5.2.2  圍繞估計狀態(tài)的線性化<br>5.2.3  實例分析<br>5.3  無跡卡爾曼濾波（UKF）<br>5.3.1  Unscented變換<br>5.3.2  Unscented卡爾曼濾波基本方程<br>5.3.3  實例分析<br>5.4  粒子濾波<br>5.4.1  粒子濾波的理論基礎(chǔ)<br>5.4.2  重要性密度的選擇<br>5.4.3  SIR濾波器<br>5.4.4  粒子濾波應(yīng)用實例<br>5.5  非線性濾波技術(shù)在GPS／DR組合定位系統(tǒng)中的應(yīng)用<br>5.5.1  DR系統(tǒng)定位原理<br>5.5.2  GPS／DR組合系統(tǒng)的狀態(tài)方程<br>5.5.3  GPS／DR組合系統(tǒng)的量測方程<br>5.5.4  三種非線性濾波方法比較<br>5.6  基于UKWPF的水下導(dǎo)航組合濾波器設(shè)計<br>5.6.1  DR／INS濾波模型<br>5.6.2  UKF／PF混合濾波算法<br>5.6.3  基于UKF／PF的組合濾波器仿真試驗<br>本章小結(jié)<br>參考文獻(xiàn)<br>第6章  模糊自適應(yīng)狀態(tài)估計及其應(yīng)用<br>6.1  模糊理論概述<br>6.1.1  模糊現(xiàn)象存在的普遍性<br>6.1.2  模糊理論的基本概念<br>6.2  模糊理論基礎(chǔ)知識<br>6.2.1  模糊集合<br>6.2.2  隸屬函數(shù)<br>6.2.3  模糊關(guān)系和模糊矩陣<br>6.2.4  模糊規(guī)則與模糊推理<br>6.2.5  Mamdani型推理與sugeno型推理<br>6.3  模糊控制器的設(shè)計方法<br>6.3.1  模糊邏輯控制過程<br>6.3.2  輸入變量和輸出變量的確定<br>6.3.3  論域的確定<br>6.3.4  模糊化方法<br>6.3.5  解模糊判決方法<br>6.4  組合導(dǎo)航系統(tǒng)模糊規(guī)則設(shè)計方法<br>6.4.1  模糊控制規(guī)則一般設(shè)計方法<br>6.4.2  基于系統(tǒng)工作狀態(tài)的組合導(dǎo)航系統(tǒng)模糊規(guī)則設(shè)計方法<br>6.4.3  基于濾波器新息狀態(tài)的組導(dǎo)系統(tǒng)模糊規(guī)則設(shè)計方法<br>6.5  模糊控制在車載GPS／DR組合導(dǎo)航系統(tǒng)中的應(yīng)用<br>6.5.1  基于卡爾曼濾波器的車載DR系統(tǒng)<br>6.5.2  車載GPS／DR組合導(dǎo)航系統(tǒng)方案<br>6.5.3  基于模糊規(guī)則的GPS!DR融合算法<br>本章小結(jié)<br>參考文獻(xiàn)<br>第7章  神經(jīng)網(wǎng)絡(luò)信息融合技術(shù)及其應(yīng)用<br>7.1  神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識<br>7.1.1  引言<br>7.1.2  神經(jīng)網(wǎng)絡(luò)的一般結(jié)構(gòu)<br>7.1.3  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法<br>7.1.4  神經(jīng)網(wǎng)絡(luò)工程應(yīng)用的能力特點<br>7.2  典型神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法<br>7.2.1  誤差反向傳播網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）<br>7.2.2  徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF網(wǎng)絡(luò)）<br>7.3  自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)（ANFIS）<br>7.3.1  ANFIS的結(jié)構(gòu)<br>7.3.2  ANFIS的學(xué)習(xí)算法<br>7.3.3  ANFIS的總體評價<br>7.4  基于神經(jīng)網(wǎng)絡(luò)技術(shù)的狀態(tài)估計<br>7.4.1  神經(jīng)網(wǎng)絡(luò)狀態(tài)估計的特點<br>7.4.2  神經(jīng)網(wǎng)絡(luò)狀態(tài)估計的關(guān)鍵問題<br>7.4.3  神經(jīng)網(wǎng)絡(luò)狀態(tài)估計的主要方法<br>7.5  神經(jīng)網(wǎng)絡(luò)在組合導(dǎo)航信息融合的應(yīng)用<br>7.5.1  組合導(dǎo)航神經(jīng)網(wǎng)絡(luò)信息融合的主要方法<br>7.5.2  基于BP神經(jīng)網(wǎng)絡(luò)的GPS／INS組合導(dǎo)航信息融合方法<br>7.5.3  基于ANFIS神經(jīng)網(wǎng)絡(luò)的GPS／INS組合導(dǎo)航信息融合方法<br>本章小結(jié)<br>參考文獻(xiàn)<br>第8章  聯(lián)邦卡爾曼濾波技術(shù)及其應(yīng)用<br>8.1  各子濾波器估計不相關(guān)條件下的聯(lián)邦濾波算法<br>8.2  各子濾波器估計相關(guān)條件下的聯(lián)邦濾波算法<br>8.2.1  信息分配原則與全局最優(yōu)估計<br>8.2.2  聯(lián)邦濾波算法的時間更新<br>8.2.3  聯(lián)邦濾波算法的觀測更新<br>8.2.4  聯(lián)邦卡爾曼濾波器設(shè)計步驟<br>8.3  聯(lián)邦濾波器控制結(jié)構(gòu)與信息分配<br>8.3.1  聯(lián)邦卡爾曼濾波器控制結(jié)構(gòu)<br>8.3.2  公共參考信息的分配原則<br>8.3.3  聯(lián)邦濾波器信息分配算法<br>8.4  聯(lián)邦濾波器設(shè)計數(shù)據(jù)時空關(guān)聯(lián)<br>8.4.1  信息的同步處理<br>8.4.2  非等間隔時間關(guān)聯(lián)問題<br>8.4.3  算法最優(yōu)性證明<br>8.5  聯(lián)邦濾波器容錯設(shè)計算法<br>8.5.1  聯(lián)邦系統(tǒng)故障檢測與隔離算法<br>8.5.2  聯(lián)邦系統(tǒng)重構(gòu)與信息補(bǔ)償方法<br>8.6  聯(lián)邦卡爾曼濾波算法在艦艇組合導(dǎo)航系統(tǒng)中的應(yīng)用<br>8.6.1  組合導(dǎo)航系統(tǒng)聯(lián)邦卡爾曼濾波器設(shè)計<br>8.6.2  組合導(dǎo)航系統(tǒng)容錯設(shè)計<br>8.6.3  數(shù)學(xué)仿真與結(jié)果分析<br>本章小結(jié)<br>參考文獻(xiàn)