一、GPS导航技术的新进展（论文文献综述）
赵坤娟[1]（2020）在《基于iGMAS的电离层监测和评估方法研究》文中进行了进一步梳理电离层对卫星信号的影响一直是全球卫星导航系统GNSS（Global Navigation Satellite System）数据处理中主要的误差源之一。基于GNSS的电离层研究主要包括电离层延迟监测方法研究,建模和预报研究,以及电离层产品的应用。随着我国北斗卫星导航系统BDS（Bei Dou Navigation Satellite System）全球组网建设完成,使得基于GNSS的电离层研究有了更多的机遇和可能性。一方面,北斗系统的星座不同于其他卫星导航系统,在赤道上空包含特有的地球静止轨道GEO（Geostationary Earth Orbit）卫星,可实现高精度电离层延迟监测;另一方面,我国建立了独立的国际GNSS监测评估系统（international GNSS Monitoring and Assessment System,i GMAS）,使得研究电离层有了可靠的数据支撑和分析基础。因此本文依托i GMAS重点开展了北斗GEO卫星的电离层监测、北斗全球广播电离层延迟修正模型BDGIM（Bei Dou Global broadcast Ionospheric delay correction Model）评估、i GMAS电离层产品长期预报方法研究。论文研究结果可促进i GMAS监测系统的完善和发展,为我国北斗卫星导航系统和电离层相关技术的发展和应用提供支撑。论文研究的主要成果和创新点如下:（1）利用北斗GEO卫星对地静止的特性,基于近几年的观测数据和频间偏差产品,开展了固定穿刺点处电离层TEC的连续监测试验研究。BDS特有的GEO卫星和地面站相对位置固定,其电离层穿刺点几乎固定不变,可对固定穿刺点处电离层进行连续不间断监测。因此论文提出利用GEO卫星双频观测数据对固定穿刺点处电离层TEC监测的方法。首先通过比较北斗码伪距和载波相位观测值的不同组合,分析得到B1&B2双频组合计算电离层延迟为最优组合。然后采用相位平滑伪距方法计算电离层延迟TEC,相较其他电离层数学模型,该方法的优点是不会引入模型误差,连续三年监测结果与IGS格网产品比较误差约为2TECU。最后利用GEO电离层连续的监测结果,分析了太阳活动的电离层响应特征。（2）在北斗三号全球系统开通之前,基于i GMAS全球跟踪网等数据,以GNSS多系统的事后精密电离层产品和双频实测电离层产品为参考,开展了北斗电离层模型（BDGIM）评估方法研究和实际的试验评估,并与其他广播电离层模型进行了比较分析。评估结果表明:a)与BDSKlob相比BDGIM模型在性能上有了较大提升,电离层改正精度大约提高了20%,并弥补了BDSKlob模型在高纬度和两极区域异常的缺点;b)BDGIM模型和GPSKlob模型相比,模型参数更新率快,对全球范围内的电离层延迟描述更精确,北半球和赤道区域的电离层改正优势明显,南半球中纬度区域和GPSKlob模型精度相当,南半球高纬度区域会出现精度略逊于GPSKlob模型;c)BDGIM模型在电离层平静时期和春季异常时期的表现都优于BDSKlob、GPSKlob模型,在较长时间尺度上BDGIM模型也是可靠的。d)通过与双频实测电离层的对比,BDGIM的差值STD约为1～2.5 TECU;BDSKlob的差值STD约为2～3 TECU,GPSKlob的差值STD约为1.7～6.8 TECU。（3）基于i GMAS电离层产品研究了电离层TEC的长期预报方法,提出了电离层TEC的直接序列预报方法和间接系数预报方法,并对实际预报效果进行了验证。研究电离层TEC的长期预报方法,对于卫星导航系统自主运行,以及相关科学研究等具有重要意义。直接序列预报方法是利用自回归滑动平均ARMA（p,q）模型直接对每个格网点上的电离层VTEC序列进行预报,而间接系数预报方法是将电离层VTEC转换成球谐系数后,对球谐系数序列应用ARMA（p,q）模型进行预报。利用i GMAS电离层产品对提出的两种方法进行检验和比较,结果表明,在15天以内,上述两种方法的预报结果较好,和参考值比较具有很好的一致性,预报值和参考值之差小于3 TECU的格网点数占比75%以上,在每天太阳直射阶段和参考值的差值略大,在4 TECU以内,超过15天时,间接系数预报方法的精度略高于直接序列预报方法。通过6次30天的预报得到的2019年下半年结果显示,两种方法电离层预报的精度基本在80%以上。另外,直接序列预报方法适用于区域性预报,间接系数预报方法适用于全球性预报;临时预报采用直接序列预报方法较为省时,而连续自动化预报采用间接系数预报方法更省时省存储空间。
唐斌,郑冲,章林锋,王正[2]（2020）在《美国导航战新进展与启示》文中研究说明针对卫星导航系统的脆弱性,美国首先提出了导航战的概念。近几年来,美国密集制定了多项有关导航战的政策文件,不断丰富和发展导航战理论与技术,同时将导航战加入到作战演习和部分实战中。从梳理导航战技术现状入手,进而阐述了美国导航战条令与政策的最新进展,分析了近年来美国导航战演习与作战应用实践,最后总结并提出了美国导航战发展启示。
聂敏天[3]（2020）在《车辆GPS/SINS组合定位技术研究》文中指出GPS卫星导航系统从应用初始的军事目的用途到现在的日常生活应用,随着GPS应用技术的不断提升,应用领域也变的更加广泛。可是当单一卫星导航定位系统遇到接收信号异常或工作在复杂城市路况的情况时,就会出现GPS信号漂移、严重时甚至丢失,从而致使导航精度严重下降。而惯性导航系统与GPS导航系统不同,它是通过测量载体的运动状态信息来对载体的姿态、速度、位置进行的定位解算,可以在相对较短的时间内实现较高的定位精度要求,但其存在的缺点是:当测量器件中的陀螺仪和加速度计在长时间的工作状态下便会产生累计误差,从而使速度、位置信息误差出现不断发散情况。因此,借助于GPS和惯性测量器件的组合导航定位系统来提升目标载体的导航定位精度的研究便成为近些年来的研究趋势。本文首先对卫星导航系统和惯性导航系统的基本工作原理和各自解算方法进行分析探讨,分析各自的固有优缺点以及误差来源。对GPS定位方式和捷联惯性导航系统的姿态解算方法进行对比,通过使用四元数解算方法计算载体的姿态信息,借助Matlab工具模拟设定惯性器件的误差参数,并进行静态仿真,评价单一定位系统的定位精度发散问题。其次,分析了组合导航系统的多种组合方式特点,发现选用松组合方式对GPS接收机和惯性导航器件的解算速度和位置输出进行组合,经由卡尔曼滤波器的处理,可以得到相对精确的定位结果,并在Matlab工具中进行仿真输出对比,结果显示输出的定位数据精度优于单一导航系统的输出。最后,研发了一套组合定位系统,对组合系统的软硬件的组合设计进行描述,分别将GPS接收机、捷联式惯性导航系统的陀螺仪和加速计测量值进行解算,得到的车辆载体的姿态、速度、位置解算信息,对解算数据处理后再经过卡尔曼滤波器的数据融合处理,最终得到提升精度后的定位信息,通过Java Script的代码设计使用百度地图API在PC机浏览器端进行车辆的轨迹的动态显示,并对比实车实验所得数据精度,验证了组合导航系统在定位精度上有所提升。
曲蕴杰[4]（2020）在《小型无人机惯性/卫星/视觉组合导航技术研究》文中认为导航系统是无人机的重要组成部分之一,在整个飞行平台中起着至关重要的作用。本文针对小型无人机复杂环境下导航定位需求,开展了基于中低精度惯导与卫星深组合导航技术研究。通过建立惯性/卫星组合导航系统非线性误差模型,研究非线性滤波、噪声自适应等组合导航滤波方法,提高惯性辅助卫星深组合导航系统性能;针对无人机实际任务需求,深入研究了基于视觉跟踪技术的组合导航方法,通过引入视觉辅助体系,实现未知环境建模和未知环境下动态目标追踪与定位,进一步提升了无人机的实际使用性能。本文的主要工作和创新性成果包括:1.考虑姿态误差角较大的情况,利用四元数法建立了非线性捷联惯导系统速度、位置和姿态误差模型,分析了捷联姿态算法的优化问题,推导证明了求解四元数微分方程的三阶Taylor展开递推式,并与四阶龙格-库塔法进行了对比研究;2.针对组合导航滤波模型和噪声不确定性对组合导航性能的影响,提出了基于最大似然估计的组合导航噪声自适应滤波方法,在系统模型和噪声特性不确切的条件下提升组合导航滤波稳定性和组合性能;3.针对卫星导航位置与速度测量误差相关特性和小型无人机计算能力不足等问题,提出了一种位置速度序贯UKF滤波方法,并成功地应用于小型无人机的初始对准和导航解算,在大失准角条件下取得了很好的效果;4.针对高动态强干扰等复杂环境下组合导航应用需求,研究了惯性辅助卫星深组合技术,基于卫星环路特性完成了惯性辅助环路性能分析,提出了基于惯性辅助的惯性/卫星深组合架构,完成了深组合算法仿真分析和系统研制,在提升卫星导航高动态适应性的同时显着提升了抗干扰能力;5.针对无人机在复杂电磁环境下卫星导航系统失效导致纯惯性导航精度无法满足任务需求的问题,提出了一种基于视觉跟踪技术的组合导航算法,该算法基于改进的核函数循环检测跟踪算法,借助多维度颜色特征描述运动目标,去除特征冗余信息,实现无人机对目标的精确跟踪,利用跟踪的结果得到无人机的速度信息并与惯性导航系统进行组合导航,提升了无人机GNSS拒止条件下的导航精度;6.为验证论文提出的多种组合导航方法,搭建了机载带飞验证平台并进行了机载带飞试验,对本文提出的基于序贯STF-AUKF的惯性/卫星组合导航算法、惯性/卫星半耦合深组合导航方法以及基于视觉辅助跟踪技术的组合导航算法进行了验证。试验结果表明,本文提出的组合导航方法可有效提高小型无人机组合导航系统的鲁棒性和精度。
胡超[5]（2020）在《BDS-2/BDS-3卫星观测数据联合处理关键技术研究》文中研究说明全球卫星导航系统（GNSS）凭借其全天候、全球覆盖、高精度、连续服务的特点,全球用户可实现三维、高精度的定位、导航与授时服务（PNT）,其在国家安全和国民经济建设等诸多领域发挥了举足轻重的作用。北斗系统作为我国拥有自主知识产权的卫星导航系统,正按“三步走”策略建设推进,即北斗导航试验系统（BDS-1）、北斗区域服务系统（BDS-2）、北斗全球服务系统（BDS-3）。高质量卫星观测数据以及高精度轨道钟差等产品作为全球导航与位置服务的核心,其对整个系统的服务能力起到了至关重要地作用;由于发展历程的局限性,BDS相较于GPS等其它成熟系统仍存在明显的差距。本文针对BDS-2/BDS-3卫星观测数据联合处理中的空间构型、快速与高精度处理、轨道钟差精化以及观测数据偏差等关键技术进行了深入探讨与系统研究,重点涵盖了定轨测站筛选、测站分布算法优化、超快速轨道修正及模型优选、BDS-2/BDS-3卫星钟差预报模型精化、BDS-2/BDS-3联合定轨系统偏差参数估计与建模、北斗观测数据伪距偏差与多路径延迟建模等几个方面。围绕BDS-2/BDS-3卫星观测数据联合处理关键技术的主要研究如下:（1）针对分析中心快速、超快速轨道产品精度及时效性等指标和全球跟踪站分布不均匀性的现状,提出了一种基于定轨观测方程精度几何衰减因子（GDOP）的全球跟踪站优选策略。从理论上推导出精密定轨地面最小与最优跟踪站数;以观测方程GDOP值最小为准则,通过全球网格划分,筛选最小跟踪站全球位置,逐步累加确定全球跟踪站最优分布。实验表明通过筛选的测站列表可获得与所有测站整体解算轨道参数精度的90%,而时效性提高了约50%,间接满足了顾及定轨精度与时效性的参数处理需求。（2）为进一步提高定轨地面跟踪站筛选效率,提出了利用全球格网放缩与遗传算法的最优站点位置解算策略;定义了一种顾及轨道与ERP等参数精度的OEDOP因子,分析了OEDOP与轨道、ERP之间的相关性;提出了一套分析中心多系统轨道、ERP产品解算的空间几何构型优化方法,实现了综合跟踪站属性与参数精度的多系统全球测站分布快速确定。基于设置的5%、10%、15%与20%OEDOP阈值,在轨道与极移测定精度分别损失0.33～9.92cm与5.77～41.53uas的前提下,参数处理效率分别提高了1.96、3.32、5.27和6.17倍;对比分析了i GMAS全球跟踪站布设方案,实验表明在增加3个新站点情况下,本文策略较穷举法效率提高了68倍。（3）针对超快速轨道观测部分后期精度降低现象,提出了一种基于定轨参数精度衰减因子（DOP）的轨道精化模型。利用赤池信息准则构建与优选了DOP值预报模型,建立了以DOP值为自变量的轨道状态参数修正函数,实现了超快速观测轨道后期的精度改进;探讨了星地观测数据弧段长度与函数模型对轨道修正效果的影响。实验结果显示,本文提出的轨道修正策略可实现超快速观测轨道后3小时精度12.35～22.02%的提升。（4）针对北斗超快速预报钟差产品精度较低问题,改进了BDS-2/BDS-3超快速卫星钟差预报模型;提出了一种组合钟差序列频率数据与Baarda算法的钟差预处理策略,并基于Tikhonov正则化算法实现了钟差序列降噪处理,分别提升了BDS-2与BDS-3钟差预报精度1.0%～15.2%与23.2%～31.9%;为实现BDS-2/BDS-3卫星联合处理中的相互增强作用,提取了BDS-2/BDS-3星间相关性系数,精化了预报钟差随机模型;针对钟差模型残差序列,利用PLS+BPNN算法实现了模型残差提取与预报。钟差预报结果表明改进的模型可实现BDS-2与BDS-3卫星18小时预报精度分别30.7%～47.3%与49.9%～59.3%的提升。为克服北斗超快速卫星轨道精度较差问题,研究了基于钟差约束的BDS-2/BDS-3超快速轨道定轨策略,构建了超快速预报轨道初始状态解算的最优观测弧长合并方法,进一步提升了分析中心轨道钟差产品精度。（5）为提高BDS-2/BDS-3卫星观测数据兼容性,研究了BDS-2/BDS-3卫星联合精密定轨中系统偏差参数（ISB）估计、分析与建模。提出了一种基于奇异值分解的联合定轨系统偏差估计模型,提高了系统偏差参数解算精度与可靠性;分析了BDS-2/BDS-3联合定轨中系统偏差参数时变特性,并基于定轨法方程计算了系统偏差与轨道参数之间相关性;构建了系统偏差时间序列短期预报模型,实现了超快速精密定轨中引入系统偏差约束的定轨策略,削弱了BDS-2/BDS-3星地观测数据之间偏差。实验表明,通过对ISB时间序列建立短期预报模型,并将预报值作为约束条件引入超快速定轨中,可分别改善BDS-2与BDS-3轨道18小时重叠弧段精度-0.4～1.0cm与0.8～4.1cm。（6）针对BDS-2/BDS-3联合处理中观测数据的差异,改进了北斗观测数据伪距偏差修正模型。分析了BDS-2/BDS-3观测数据中多路径延迟量,为克服传统的“先多路径后伪距偏差”的建模与消除方法,提出了一种基于LS+AR模型的BDS-2/BDS-3卫星联合处理的伪距偏差与多路径延迟一步建模的策略;考虑BDS-2/BDS-3星间相关性与降噪算法,有效地提高了北斗伪距偏差与多路径延迟建模能力。基于BDS-2/BDS-3单频PPP实验表明,改进的策略可以分别提升B1I频率E、N、U三个方向定位精度2.9%～31.6%,3.3%～21.4%和0.2%～69.2%,提升B3I频率E、N、U三个方向2.8%～14.3%,0.0%～20.9%和1.5%～15.3%。该论文有图101幅,表44个,参考文献213篇。
陈晨[6]（2020）在《NIS约束下的无人机诱捕技术研究》文中提出近些年来,无人机（Unmanned Aerial Vehicle,UAV）技术发展迅速,在给人们带来便利的用时,无人机威胁公共安全尤其是民航安全的事情发生的越来越频繁,无人机反制技术成为了近年的研究热点。无人机依赖GPS（Global Positioning System,GPS）系统进行导航,由于GPS信号脆弱易受到干扰,这为诱捕无人机提供了可行性。然而由于配备GPS/INS（Inertial Navigation System,INS）组合导航系统的无人机具有一定的抗干扰检测能力,直接给无人机发送GPS欺骗信号,容易被无人机发觉。针对这个问题,本文结合GPS欺骗原理和无人机组合导航系统,进行了NIS（Normalized Innovation Square,NIS）检测实验,探究了无人机的干扰检测机制,并在此基础上提出了一种简洁有效的诱捕无人机的方法,诱捕目标为返航方式是直线返航的无人机。论文主要工作如下:第一,介绍了GPS系统组成,从载波、伪码及导航电文三个方面研究了GPS信号的特点,最后研究了GPS定位原理。第二,针对无人机数据链路通信系统,总结了其通信特点和干扰方法;针对无人机导航定位系统,本文在研究GPS干扰的基础上,介绍了位置欺骗原理,位置欺骗能够有效地将GPS接收机定位结果偏移到指定位置。第三,结合无人机的GPS/INS组合导航系统,介绍了组合导航系统的优势,研究了卡尔曼滤波进行数据融合的原理。通过研究无人机的NIS检测,验证了无人机具有干扰检测能力以及GPS定位精度和欺骗距离对诱捕无人机的影响。第四,根据无人机在被切断与控制者之间的通信链路后会直线飞回返航点的特点,设计了一种计算无人机返航点位置的方法。并将以上理论进行整理结合,提出了一套诱捕无人机的完整方法,可以在不被无人机发觉的前提下,将无人机诱捕至指定位置。
李亚东[7]（2020）在《基于MEMS器件的惯性测量系统设计》文中指出随着科技的发展,微机电系统MEMS（Micro-Electro-Mechanical System）技术不断进步,MEMS惯性器件的精度和稳定性得到了很大的提高,基于MEMS器件的惯性测量系统具有体积小、成本低、功耗低的特点,同时作为惯性导航技术的重要硬件基础,逐渐成为研究的热点领域,无论是理论上的探索还是实践领域的应用,都得到了广泛的关注和重视。而加速度计和陀螺仪无疑是当前阶段应用最为广泛的两种MEMS惯性传感器件。其中,加速度计是用于测量轴向加速度并转换成可用输出信号的传感器;陀螺仪是测量运动体相对于惯性空间的旋转角速度的传感器。在一个系统中上集成三轴MEMS加速度计和三轴MEMS陀螺仪,可以组合形成一个测量载体三轴方向的加速度和三轴方向的角速度的惯性测量系统,该系统在航空航天、军事及民事领域都有十分广泛的应用。本文围绕惯性测量系统的基本原理及应用展开研究,设计实现了基于MEMS器件的惯性测量系统。利用该系统提供系统惯性测量数据信息和解算输出姿态角功能。主要研究内容如下:首先,对该系统的结构特征加以针对性的分析,确定了系统硬件主要由微控制器STM32F103芯片、三轴MEMS加速度计、三轴MEMS陀螺仪共同构成。本文所设计系统中使用的陀螺仪,在实际应用过程中可同时对三个方向上的角速度进行采集,对于加速度计的应用,可以为系统实时测出载体三个方向的加速度数据。开发环境选择当前已经较为成熟的Altium Designer,结合设计的具体要求,分别对系统主控制模块、加速度模块、陀螺仪模块以及电源模块进行了设计,并通过IIC通信方式对MEMS惯性器件实时采集惯性数据。开发过程中,选择Keil MDK编译环境进行嵌入式开发,利用软件驱动连接硬件接口和软件接口,实现系统的数据采集功能。其次,通过滤波算法对采集到的加速度和角速度原始数据进行滤波,减少噪声干扰,保证测量精度,输出稳定准确的惯性数据。将得到的数据进行了姿态解算,根据陀螺仪测得的角速度通过四元数算法解算得到惯性测量系统的姿态角,包括俯仰角、横滚角和航向角。为了提高姿态角的准确性,利用加速度数据进行解算得到了另一组姿态角数据,本文通过设计的卡尔曼滤波算法对两组姿态角的误差数据进行校正,得到了系统姿态角的最优估计。使得输出的姿态角数据信息更加准确,保证了系统的测量精度。然后,惯性测量系统的上位机数据采集系统是在LabVIEW的开发环境下进行设计,通过串口通信,可以直观显示惯性测量系统采集到的实时三轴加速度和角速度信息,以及解算出的姿态角信息。最后,以实验操作的方式,对系统静态和动态误差特性进行了进一步的验证,验证了该基于MEMS器件的惯性测量系统设计的有效性与可靠性。
温哲君[8]（2020）在《基于SINS的组合导航技术研究》文中研究说明组合导航技术根据信息融合理论,采用最优估计算法将各个导航系统进行组合,解决单一导航源的不足,达到优势互补目的,现已成为复杂环境下定位导航的重要手段,其中SINS/GNSS组合导航应用最为广泛。本文针对信息融合的核心,即导航传感器可靠性、数学模型建立及滤波估计算法三个方面,以基于SINS的组合导航系统为研究对象通过搭建相关软件仿真平台展开研究,主要内容包括:（1）针对光纤陀螺静态随机噪声,本文研究通过时间序列的建模补偿方法,并与惯性导航初始对准相结合,通过采集实际陀螺数据进行离线仿真试验,验证陀螺随机噪声的方差可有效降低,初始对准过程中减小姿态角误差波动,提升对准性能;（2）在基于速度、位置的组合导航算法基础上,设计了一种完备的容错组合导航算法,导航过程中检测传感器和系统的可靠性,对可能出现的多种异常状况给出处理应对措施。其中,对于丢星给出一种运动学约束方法,对于保证计算实时性给出一种两步卡尔曼滤波方法,对于滤波发散根据新息推导自适应因子进行调节,通过仿真试验与常规方法比较验证算法的合理性;（3）推导了基于伪距、伪距率的非线性组合导航系统模型,对几种非线性算法展开对比分析,包括EKF、UKF和UPF。为了克服导航过程中系统自身摄动和外界噪声的干扰,结合抗差M估计与强跟踪思想设计了一种抗差强跟踪UKF算法,对观测噪声进行筛选调节,并构造渐消因子作用于状态一步预测协方差,动态调整滤波中对于先验信息和观测量的选取,通过仿真试验进行不同算法的对比验证;（4）基于搭建的硬件平台对组合导航系统进行半物理仿真试验和全实物跑车试验,设计系统验证方案,并对试验结果进行处理对比分析,验证算法的有效性和系统实际导航性能。论文在常规线性、非线性组合导航的基础上设计了相关的改进算法,通过搭建仿真平台进行仿真试验,验证了不同模拟环境下所述算法的性能。最后利用嵌入式软硬件技术,完成组合导航系统的设计和实物测试,结果表明导航精度符合预期,性能良好。
张楷时[9]（2019）在《安卓智能终端精密定位关键技术研究》文中研究表明近几年来,电子通讯技术突飞猛进,智能便携的移动终端走入了千家万户。以智能手机、平板电脑、智能手表和智联行车终端等设备为代表的智能终端已经成为了现代大众生活和行业生产中不可或缺的部分。智能终端的位置服务极大促进了商品贸易、媒体传播、交通运输、工程建设、农林种植等行业的快速转型,并将逐渐对自然科学研究、环境资源勘测和军队信息化建设等领域产生更加深远的影响。广泛的应用需求和开阔的发展前景,使智能终端的高精度定位技术逐渐成为了国内外导航领域的研究热点。早期的Android智能终端就可以输出设备的位置信息,其水平方向上的定位精度能够达到5-10米左右。但由于技术的限制,其定位算法流程并不公开,用户只能得到系统输出的定位结果,而无法直接读取其GNSS（Global Navigation Satellite System）观测数据。2016年,谷歌公司发布了 Android 7.0系统,开始支持智能终端GNSS原始观测数据的输出。在Android智能终端上实现高精度定位,成为了一种新的可能。在此背景下,本文针对移动智能终端的高精度定位应用需求,结合现阶段国内外已有的相关成果,系统性地研究了GNSS精密定位、捷联惯性导航系统（Strapdown Inertial Navigation System,SINS）和低成本卫星/惯性组合导航的原理与方法,对Android智能终端的GNSS观测值质量和特性进行了全面评估,结合多普勒平滑滤波、载噪比随机模型和匀加速运动学模型,设计了一种Android 智能终端 GNSS 实时动态差分定位（Real-Time Kinematic positioning,RTK）的优化解决方法Smart RTK。该方法能显着提升Android智能终端定位精度和连续性,在良好的观测环境下能够实现水平方向分米级精度的Android智能终端动态定位。在此基础上,研究进一步充分运用Android智能终端的陀螺仪和加速度计,采用针对低成本终端的简化捷联惯性导航算法,实现了 Android智能终端的Smart RTK/SINS组合导航技术。论文的研究工作和贡献成果主要如下所示:（1）从卫星信号载噪比、伪码测距噪声、载波相位观测值噪声、多普勒观测值噪声和载波相位周跳等几个方面,较为全面地评估了 Android智能终端GPS（Global Positioning System）和 BDS（BeiDou Navigation Satellite System）观测数据质量。实验结果表明,在相同的较好的观测环境下,Android智能终端的信号载噪比通常比专业级GNSS接收机更低,其伪码测距噪声RMS（Root Mean Square）可以达到4米左右,多普勒观测噪声RMS可以达到0.039 m/s左右,载波相位周跳发生比较频繁。由此可知,受限于硬件成本和技术条件,Android智能终端的GNSS观测数据质量欠佳,与专业的测量型GNSS接收机仍存在较大差距,亟待改善优化。（2）提出一种Android智能终端GNSS动态差分定位的优化解决方法Smart RTK。该方法采用多普勒平滑滤波,对获取的伪距观测值进行优化处理,然后根据载噪比随机模型对观测值定权。在获取初始信息后,采用匀加速运动学模型预测运动状态,逐历元更新运载体的位置和速度等信息。为全面分析Android智能终端Smart RTK定位性能,研究分别设置了伪动态、步行和车载环境下的动态定位实验。在伪动态实验中,采用Smart RTK方法进行定位解算性能显着优于系统定位结果和常规RTK定位结果,能够在短时间内达到水平方向分米级精度。在步行动态实验中,采用Smart RTK方法定位能够连续输出水平方向分米级精度的定位解,其水平方向定位精度较系统定位结果提升约82%,较常规RTK方法提升约56%。而在车载实验中,Smart RTK定位也能达到水平方向分米级精度,较系统输出的位置提升约59%,较常规RTK方法提升约49%。（3）采用针对低成本终端的卫星/惯性组合导航简化方法,实现了 Android智能终端的Smart RTK/SINS松组合导航。在城市峡谷、森林公园等较为复杂的观测条件下,GNSS信号多路径效应影响加剧,接收机观测噪声显着提高,可观测的导航卫星数量大幅削减,卫星定位精度较差,难以输出有效的定位解。Smart RTK/SINS松组合导航系统,充分运用了 Android智能终端的惯性测量元件,使其定位性能得到显着提升。在伪动态实验中,Smart RTK/SINS定位东方向RMSE只有0.20米,北方向RMSE为0.30米,其水平方向定位精度比单纯的GNSS定位提高约47%;在步行动态实验中,Smart RTK/SINS水平方向定位精度约为2米左右,其水平方向定位精度比单纯的GNSS定位提高约80%。
张晓磊[10]（2019）在《自主移动药肥共施机器人的研发》文中进行了进一步梳理药肥喷施是农业生产过程中常用的植保作业环节。目前,农业上多采用人工或者机械作业方式,工作中药、肥不可避免的会与人体接触,影响了操作者的身体健康,增加了操作人员的患病风险。针对上述问题,本课题研发了一款双控制模式的药肥共施机器人,达到药肥共施、人机分离和灵活控制的目的。药肥共施机器人主要由移动底盘、远程遥控系统、机器人控制系统和变量喷施系统组成,其负载能力大于60kg,远程遥控距离大于2公里,自主导航路径误差小于30CM,视觉监控系统图像传输无延迟,能够满足实时控制的目的。依据作业环境实际,机器人的底盘采用履带式结构和电气驱动的工作方式;控制系统以MEGA2560为核心,主要完成机器人运动控制、姿态检测与分析、变量对靶喷施控制和数据远传等功能;机器人采用远程遥控、自主移动两种控制模式,其中远程遥控主要基于4G网络,由车体摄像头把周围的环境信息传递给远端监控器,操作人员在远端可根据图像信息,远距离控制机器人运动;自主移动采用卫星-惯导的组合导航方式,通过GPS获取位置信息与惯导模块陀螺仪反馈回来的姿态信息融合来决策车体移动;同时,根据果园的实际工作需求以及安全需要,增加了雷达避障系统。根据对耙喷药的要求,结合红外目标物探测技术,设计了一种基于变元理论的柔性喷施臂点控喷施系统,从而实现了对靶喷施功能。
二、GPS导航技术的新进展（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、GPS导航技术的新进展（论文提纲范文）
（1）基于iGMAS的电离层监测和评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 电离层相关研究的国内外现状 |
| 1.3 论文主要内容与结构安排 |
| 第2章 GNSS相关内容及电离层基本理论 |
| 2.1 GNSS的发展现状及IGS和 iGMAS的简介 |
| 2.2 卫星导航定位原理及相关误差源分类 |
| 2.3 电离层的基本理论 |
| 2.4 本章小结 |
| 第3章 基于北斗GEO卫星的电离层监测方法 |
| 3.1 引言 |
| 3.2 双频实测电离层监测原理和精度分析 |
| 3.2.1 双频观测值的选取及平滑方法 |
| 3.2.2 组合观测值计算电离层的精度分析 |
| 3.3 利用北斗GEO卫星的优势 |
| 3.4 监测固定穿刺点处TEC结果及分析 |
| 3.4.1 单站电离层监测结果 |
| 3.4.2 典型测站连续监测结果与分析 |
| 3.5 利用监测结果分析太阳活动的电离层响应特征 |
| 3.5.1 太阳活动表征指数与分析电离层响应的思路 |
| 3.5.2 第24太阳活动周的电离层响应特征及其分析 |
| 3.6 本章小结 |
| 第4章 北斗三号BDGIM模型性能评估 |
| 4.1 引言 |
| 4.2 广播电离层模型算法 |
| 4.3 测站分布、参数选择与评估方法 |
| 4.4 评估结果及分析 |
| 4.4.1 全球格网点上不同电离层模型计算结果与分析 |
| 4.4.2 各个站点上空不同电离层模型计算结果与分析 |
| 4.4.3 与双频实测电离层的对比 |
| 4.5 本章小结 |
| 第5章 iGMAS电离层产品的长期预报方法研究 |
| 5.1 引言 |
| 5.2 时间序列模型及其性质 |
| 5.3 直接序列预报方法和间接系数预报方法 |
| 5.4 预报结果及其分析 |
| 5.4.1 直接序列预报方法预报结果 |
| 5.4.2 间接系数预报方法预报结果 |
| 5.4.3 两种方法预报结果对比及其分析 |
| 5.5 本章小结 |
| 第6章 地磁活动的电离层响应特征分析 |
| 6.1 引言 |
| 6.2 地磁暴的指数和形态及分析电离层响应的思路 |
| 6.3 地磁活动对应的测站电离层响应实例与分析 |
| 6.3.1 测站TEC序列和强磁暴期间DST指数相关性 |
| 6.3.2 电离层增量dTEC和强磁暴期间DST的相关性 |
| 6.3.3 较平静地磁环境下的电离层响应 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文的主要结论及创新点 |
| 7.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）美国导航战新进展与启示（论文提纲范文）
| 0 引言 |
| 1 导航战表现形式与技术进展 |
| 1.1 导航战表现形式 |
| 1)空间段攻击与防御 |
| 2)控制段攻击与防御 |
| 3)用户段攻击与防御 |
| 1.2 卫星导航系统导航战主要技术进展 |
| 1)空间段主要导航战技术进展 |
| 2)地面段主要导航战技术进展 |
| 3)用户段主要导航战技术进展 |
| 1.3 卫星导航拒止条件下的导航战技术进展 |
| 1)伪卫星增强技术 |
| 2)微PNT技术 |
| 3)全源导航技术 |
| 4)干扰源监测与定位技术 |
| 2 美国导航战政策进展 |
| 2.1 导航战逐步成为一种新的作战样式 |
| 2.2 弹性授时战提上作战应用日程 |
| 2.3 导航战与太空战、网络战、电子战关系逐步明确 |
| 3 美国近期实施的导航战情况分析 |
| 3.1 探索天、网、电3个作战域的导航战 |
| 3.2 叙利亚军事打击中的导航战 |
| 3.3 加快演练在GPS受干扰条件下作战应用 |
| 4 美国导航战发展启示 |
| 5 总结 |
（3）车辆GPS/SINS组合定位技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.3 主要研究内容 |
| 1.4 研究思路和技术路线 |
| 2 GPS系统的工作原理及误差分析 |
| 2.1 GPS导航定位系统的组成 |
| 2.1.1 空间卫星星座部分 |
| 2.1.2 地面监控部分 |
| 2.1.3 用户设备部分 |
| 2.2 GPS定位原理 |
| 2.3 GPS定位误差来源 |
| 2.3.1 与GPS卫星相关的误差 |
| 2.3.2 与信号传播途径相关的误差 |
| 2.3.3 GPS接收机相关的误差 |
| 2.4 GPS数据格式及获取 |
| 2.5 本章小结 |
| 3 捷联式惯性导航系统误差分析与实验 |
| 3.1 捷联式惯性导航系统 |
| 3.1.1 常用坐标系 |
| 3.1.2 坐标系之间的转换 |
| 3.1.3 捷联惯性导航系统的原理 |
| 3.2 捷联式惯性导航系统算法与误差分析 |
| 3.2.1 捷联式惯性导航系统解算方法 |
| 3.2.2 捷联式惯性导航系统误差来源 |
| 3.3 捷联式惯性导航系统静态仿真实验 |
| 3.4 本章小结 |
| 4 组合导航定位系统的设计与实现 |
| 4.1 组合导航定位系统结合方式 |
| 4.2 组合导航定位系统的数据融合方法 |
| 4.2.1 卡尔曼滤波技术 |
| 4.2.2 卡尔曼滤波方程 |
| 4.3 组合导航定位系统的建模 |
| 4.3.1 组合导航定位系统的状态方程建立 |
| 4.3.2 组合导航定位系统的量测方程建立 |
| 4.3.3 组合导航定位系统的状态与量测方程离散化 |
| 4.4 组合导航定位系统硬件设计 |
| 4.5 组合导航定位系统软件设计 |
| 4.5.1 组合导航定位系统功能设计 |
| 4.5.2 组合导航定位系统的模块实现 |
| 4.6 组合导航定位系统实验分析 |
| 4.6.1 组合导航定位系统的仿真实验以及结果分析 |
| 4.6.2 实车实验与结果分析 |
| 4.7 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（4）小型无人机惯性/卫星/视觉组合导航技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状及分析 |
| 1.3.1 小型无人机组合导航系统研究现状 |
| 1.3.2 非线性滤波技术研究现状 |
| 1.3.3 自适应滤波技术研究现状 |
| 1.3.4 惯性/卫星深组合导航技术研究现状 |
| 1.3.5 图像匹配技术研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 小型无人机组合导航系统原理 |
| 2.1 引言 |
| 2.2 惯性/卫星组合导航系统工作原理 |
| 2.2.1 惯性导航系统工作原理 |
| 2.2.2 卫星导航系统工作原理 |
| 2.3 惯性/卫星组合导航系统误差分析 |
| 2.3.1 惯性导航系统误差分析 |
| 2.3.2 GPS导航系统误差分析 |
| 2.4 捷联姿态算法的优化 |
| 2.4.1 四阶龙格-库塔法 |
| 2.4.2 三阶Taylor展开递推算法 |
| 2.4.3 优化性能对比 |
| 2.5 本章小结 |
| 第3章 基于噪声自适应UKF的惯性/卫星组合导航算法研究 |
| 3.1 引言 |
| 3.2 UKF原理 |
| 3.2.1 UT变换 |
| 3.2.2 UKF算法 |
| 3.3 系统噪声和观测噪声对滤波的影响分析 |
| 3.3.1 系统噪声矩阵Q对滤波的影响 |
| 3.3.2 观测噪声矩阵R对滤波的影响 |
| 3.4 噪声自适应UKF算法 |
| 3.4.1 系统噪声自适应UKF算法 |
| 3.4.2 观测噪声自适应UKF算法 |
| 3.4.3 融合强跟踪的系统噪声自适应UKF算法 |
| 3.5 基于STF-AUKF的惯性/卫星组合导航算法 |
| 3.5.1 基于STF-AUKF的非线性初始对准算法 |
| 3.5.2 基于序贯STF-AUKF的组合导航算法 |
| 3.6 实验结果与分析 |
| 3.6.1 系统噪声自适应算法仿真试验 |
| 3.6.2 观测噪声自适应算法仿真试验 |
| 3.6.3 初始对准仿真试验 |
| 3.6.4 组合导航仿真试验 |
| 3.7 本章小结 |
| 第4章 惯性/卫星深组合导航技术 |
| 4.1 引言 |
| 4.2 深组合性能分析 |
| 4.2.1 卫星跟踪环路分析 |
| 4.2.2 惯性辅助跟踪环路性能分析 |
| 4.3 基于惯性/多普勒辅助的半耦合深组合导航 |
| 4.3.1 频率预测辅助 |
| 4.3.2 加速度辅助 |
| 4.3.3 惯性多普勒辅助环路处理方法 |
| 4.4 断开环路的全耦合深组合导航 |
| 4.4.1 环路预处理滤波模型 |
| 4.4.2 环路NCO控制方法 |
| 4.5 实验结果与分析 |
| 4.5.1 半耦合环路辅助仿真实验 |
| 4.5.2 全耦合环路预处理仿真实验 |
| 4.5.3 全耦合环路复制信号控制量仿真实验 |
| 4.6 本章小结 |
| 第5章 基于视觉跟踪技术的组合导航方法 |
| 5.1 引言 |
| 5.2 视觉方法的理论基础 |
| 5.2.1 目标颜色命名方法 |
| 5.2.2 主成分分析法基本原理 |
| 5.3 视觉跟踪算法原理 |
| 5.3.1 目标颜色名称标定算法的实现 |
| 5.3.2 目标颜色核相关跟踪算法 |
| 5.3.3 算法测试与评估 |
| 5.3.4 TCKCT算法用于无人机跟踪运动目标 |
| 5.4 基于视觉跟踪技术的组合导航算法 |
| 5.4.1 基于视觉跟踪技术的组合导航原理 |
| 5.4.2 基于视觉跟踪技术的组合导航算法模型 |
| 5.4.3 基于视觉跟踪技术的组合导航算法 |
| 5.5 试验结果与分析 |
| 5.6 本章小结 |
| 第6章 机载带飞试验验证 |
| 6.1 引言 |
| 6.2 机载带飞验证平台构建与试验方案 |
| 6.2.1 机载带飞试验平台构建 |
| 6.2.2 机载带飞试验系统同步方法 |
| 6.2.3 机载带飞试验方法 |
| 6.3 机载验证试验与试验结果 |
| 6.3.1 基于序贯STF-AUKF的惯性/卫星组合导航算法机载带飞试验结果 |
| 6.3.2 惯性/卫星半耦合深组合导航方法机载带飞试验结果 |
| 6.3.3 基于视觉辅助跟踪技术的组合导航算法机载带飞试验结果 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及其它成果 |
| 个人简历 |
（5）BDS-2/BDS-3卫星观测数据联合处理关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 存在的主要问题 |
| 1.4 研究内容 |
| 1.5 章节安排 |
| 2 北斗/GNSS卫星精密定轨基础 |
| 2.1 北斗/GNSS卫星精密定轨方法 |
| 2.2 BDS-3卫星观测数据质量分析 |
| 2.3 BDS-3s定轨实验分析 |
| 2.4 本章小结 |
| 3 北斗卫星精密定轨地面跟踪站分布优化 |
| 3.1 基于观测方程GDOP值的优化选站模型 |
| 3.2 基于格网放缩与遗传算法的测站分布快速确定方法) |
| 3.3 本章小结 |
| 4 超快速精密轨道参数空间几何构型优化 |
| 4.1 基于OEDOP的 Multi-GNSS超快速轨道与ERP解算分析 |
| 4.2 最简基准站列表选取方法 |
| 4.3 实验与分析 |
| 4.4 本章小结 |
| 5 基于DOP值的超快速轨道精化处理策略 |
| 5.1 GNSS超快速观测轨道精度分析 |
| 5.2 基于DOP值的超快速轨道修正方法 |
| 5.3 基于DOP值轨道修正实验 |
| 5.4 本章小结 |
| 6 北斗卫星超快速钟差预报模型精化 |
| 6.1 改进的北斗超快速预报钟差模型 |
| 6.2 基于钟差约束的BDS-2/BDS-3 超快速轨道解算策略 |
| 6.3 本章小结 |
| 7 BDS-2/BDS-3 观测数据联合处理中偏差参数分析 |
| 7.1 BDS-2/BDS-3 联合精密定轨系统偏差分析 |
| 7.2 BDS-2/BDS-3 联合数据处理伪距偏差分析 |
| 7.3 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）NIS约束下的无人机诱捕技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作及论文结构 |
| 第二章 GPS系统的基本原理 |
| 2.1 GPS系统简介 |
| 2.2 GPS信号组成 |
| 2.2.1 伪随机噪声码 |
| 2.2.2 导航电文 |
| 2.3 GPS定位 |
| 2.4 本章小结 |
| 第三章 无人机干扰技术 |
| 3.1 无人机数据传输链路 |
| 3.1.1 跳频通信 |
| 3.1.2 跳频通信干扰 |
| 3.2 GPS干扰 |
| 3.2.1 压制式干扰 |
| 3.2.2 欺骗式干扰 |
| 3.3 本章小结 |
| 第四章 无人机组合导航系统 |
| 4.1 GPS/INS组合导航 |
| 4.1.1 组合导航系统优点 |
| 4.1.2 组合导航的分类 |
| 4.2 信息融合算法 |
| 4.2.1 信息融合方法分类 |
| 4.2.2 卡尔曼滤波 |
| 4.3 NIS检测 |
| 4.4 本章小结 |
| 第五章 诱捕策略 |
| 5.1 诱捕对象 |
| 5.2 计算返航点 |
| 5.3 诱捕步骤 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（7）基于MEMS器件的惯性测量系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本文研究的背景和意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 惯性导航 |
| 1.2.2 MEMS惯性测量器件 |
| 1.2.3 MEMS惯性测量系统 |
| 1.3 本文主要研究内容及章节安排 |
| 第二章 惯性测量系统组成及工作原理 |
| 2.1 惯性测量系统的组成 |
| 2.2 惯性测量系统的工作原理 |
| 2.3 惯性测量系统基础 |
| 2.3.1 惯性导航常用坐标系 |
| 2.3.2 姿态角和姿态矩阵 |
| 2.4 捷联式惯性导航系统的姿态更新算法 |
| 2.4.1 欧拉角法 |
| 2.4.2 方向余弦法 |
| 2.4.3 四元数法 |
| 2.5 总结 |
| 第三章 惯性测量系统的滤波算法 |
| 3.1 滑动均值滤波 |
| 3.2 卡尔曼滤波算法 |
| 3.3 姿态角滤波算法 |
| 3.3.1 陀螺仪的姿态角解算 |
| 3.3.2 加速度计的姿态角解算 |
| 3.3.3 系统状态方程 |
| 3.3.4 系统观测方程 |
| 3.3.5 滤波器设计 |
| 3.4 总结 |
| 第四章 惯性测量系统硬件设计 |
| 4.1 微处理器控制模块 |
| 4.2 加速度计模块 |
| 4.3 陀螺仪模块 |
| 4.4 惯性测量系统总体结构图 |
| 4.5 总结 |
| 第五章 惯性测量系统软件设计 |
| 5.1 系统时钟(SYSCLK)驱动 |
| 5.2 系统定时器(SYSTICK)驱动 |
| 5.3 传感器数据采集模块 |
| 5.4 姿态角解算模块 |
| 5.5 串口通信模块 |
| 5.6 总结 |
| 第六章 上位机设计及实验 |
| 6.1 开发环境LabVIEW介绍 |
| 6.2 界面设计 |
| 6.3 通信设计 |
| 6.4 实验部分 |
| 6.4.1 系统静态实验 |
| 6.4.2 系统动态实验 |
| 6.5 总结 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间已发表的学术论文 |
| 攻读硕士期间参加的科研项目 |
（8）基于SINS的组合导航技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 导航系统发展及研究现状 |
| 1.2.1 惯性导航系统 |
| 1.2.2 卫星导航系统 |
| 1.2.3 组合导航系统 |
| 1.3 组合导航信息融合算法研究现状 |
| 1.3.1 卡尔曼滤波算法及发展 |
| 1.3.2 自适应滤波算法 |
| 1.4 本文主要研究内容及安排 |
| 2 捷联惯性导航系统基本原理 |
| 2.1 概述 |
| 2.2 地球模型及常用参数 |
| 2.3 常用坐标系及转换关系 |
| 2.3.1 常用坐标系介绍 |
| 2.3.2 坐标系转换关系 |
| 2.4 捷联惯性导航系统解算方法 |
| 2.4.1 姿态解算 |
| 2.4.2 速度解算 |
| 2.4.3 位置解算 |
| 2.5 捷联惯性导航系统误差传播模型 |
| 2.5.1 姿态误差传播模型 |
| 2.5.2 速度误差传播模型 |
| 2.5.3 位置误差传播模型 |
| 2.5.4 惯性器件误差传播模型 |
| 2.6 本章小结 |
| 3 光纤陀螺随机噪声滤波与惯性导航初始对准 |
| 3.1 概述 |
| 3.2 光纤陀螺数据预先处理 |
| 3.2.1 光纤陀螺数据采集 |
| 3.2.2 异点去除 |
| 3.2.3 常值分量去除 |
| 3.2.4 趋势项去除 |
| 3.3 光纤陀螺数据统计性检验 |
| 3.3.1 平稳性检验 |
| 3.3.2 正态性检验 |
| 3.3.3 零均值检验 |
| 3.4 随机噪声模型建立与滤波 |
| 3.4.1 模型选择 |
| 3.4.2 阶次和参数识别 |
| 3.4.3 随机噪声的卡尔曼滤波 |
| 3.5 捷联惯性导航初始对准 |
| 3.5.1 粗对准 |
| 3.5.2 基于卡尔曼滤波的精对准 |
| 3.6 考虑陀螺随机噪声的初始对准 |
| 3.7 本章小结 |
| 4 SINS/GNSS组合导航容错算法研究 |
| 4.1 概述 |
| 4.2 速度/位置组合导航系统模型 |
| 4.2.1 系统状态方程 |
| 4.2.2 系统观测方程 |
| 4.2.3 系统方程离散化 |
| 4.3 卡尔曼滤波器设计 |
| 4.3.1 卡尔曼滤波基本原理 |
| 4.3.2 误差校正方法 |
| 4.4 组合导航系统可靠性分析 |
| 4.4.1 惯组数据有效性检验及处理 |
| 4.4.2 GNSS数据有效性检验 |
| 4.4.3 GNSS数据异常及丢星策略 |
| 4.4.4 滤波状态判断 |
| 4.4.5 组合导航实时性研究 |
| 4.5 组合导航时空误差补偿 |
| 4.5.1 时间误差补偿 |
| 4.5.2 空间误差补偿 |
| 4.6 自适应卡尔曼滤波 |
| 4.6.1 自适应因子构造 |
| 4.6.2 算法流程 |
| 4.7 仿真试验及结果分析 |
| 4.7.1 仿真环境设计 |
| 4.7.2 仿真试验一 |
| 4.7.3 仿真试验二 |
| 4.7.4 仿真试验三 |
| 4.8 本章小结 |
| 5 SINS/GNSS组合导航非线性算法研究 |
| 5.1 概述 |
| 5.2 伪距/伪距率组合导航非线性系统模型 |
| 5.2.1 系统状态方程 |
| 5.2.2 系统观测方程 |
| 5.3 非线性滤波算法 |
| 5.3.1 扩展卡尔曼滤波EKF |
| 5.3.2 无迹卡尔曼滤波UKF |
| 5.3.3 粒子滤波PF |
| 5.3.4 无迹卡尔曼粒子滤波UPF |
| 5.3.5 UPF的改进算法 |
| 5.4 抗差强跟踪UKF滤波算法 |
| 5.4.1 M估计与等价权函数 |
| 5.4.2 强跟踪滤波 |
| 5.4.3 故障检测 |
| 5.4.4 算法流程 |
| 5.5 仿真试验及结果分析 |
| 5.5.1 仿真试验一 |
| 5.5.2 仿真试验二 |
| 5.6 本章小结 |
| 6 组合导航系统设计与测试 |
| 6.1 概述 |
| 6.2 组合导航系统硬件设计 |
| 6.2.1 导航计算机硬件介绍 |
| 6.2.2 处理器介绍 |
| 6.2.3 系统各设备介绍 |
| 6.3 组合导航系统软件设计 |
| 6.3.1 软件总体方案 |
| 6.3.2 初值计算模块 |
| 6.3.3 惯导解算模块 |
| 6.3.4 组合导航模块 |
| 6.4 半物理仿真试验 |
| 6.4.1 试验方案概述 |
| 6.4.2 试验结果分析 |
| 6.5 跑车试验 |
| 6.5.1 试验方案概述 |
| 6.5.2 试验结果分析 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）安卓智能终端精密定位关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 Android智能终端的发展与定位应用 |
| 1.1.2 GNSS高精度定位技术的发展及低成本应用 |
| 1.1.3 卫星/惯性组合导航技术的发展及低成本应用 |
| 1.1.4 研究意义 |
| 1.2 国内外研究现状及问题 |
| 1.2.1 Android智能终端高精度GNSS定位研究现状 |
| 1.2.2 Android智能终端的组合导航技术研究现状 |
| 1.2.3 研究的关键问题 |
| 1.3 论文研究内容及章节安排 |
| 第二章 Android智能终端定位基本理论 |
| 2.1 单频GNSS定位基本原理 |
| 2.1.1 Android智能终端GNSS定位的主要误差源 |
| 2.1.2 单频GNSS动态定位观测模型 |
| 2.1.3 GNSS定位参数估计方法 |
| 2.2 捷联惯性导航算法基础与原理 |
| 2.2.1 姿态更新算法 |
| 2.2.2 速度更新 |
| 2.2.3 位置更新 |
| 2.2.4 捷联惯性导航误差方程 |
| 2.3 卫星/惯性组合导航基本原理 |
| 2.3.1 卫星/惯性组合导航概况 |
| 2.3.2 卫星/惯性松耦合组合导航算法 |
| 2.4 本章小结 |
| 第三章 Android智能终端GPS/BDS观测值解算与质量评估 |
| 3.1 Android智能终端原始观测值处理算法 |
| 3.1.1 Android系统及定位应用程序接口 |
| 3.1.2 GNSS伪码观测值估计与固定 |
| 3.1.3 载波和多普勒观测值的获取 |
| 3.2 Android智能终端GPS/BDS观测数据质量评估 |
| 3.2.1 信号载噪比 |
| 3.2.2 伪距观测值噪声 |
| 3.2.3 载波相位观测值噪声 |
| 3.2.4 多普勒观测值噪声 |
| 3.2.5 占空比与整周跳变 |
| 3.3 本章小结 |
| 第四章 Android智能终端GPS/BDS动态定位优化方法与分析 |
| 4.1 Android系统定位方法概况 |
| 4.2 Android智能终端定位优化解决方法 |
| 4.2.1 Android智能终端GPS/BDS观测数据的优化 |
| 4.2.2 Android智能终端GPS/BDS观测值随机模型的设置 |
| 4.2.3 Android智能终端GPS/BDS定位运动学模型的选取 |
| 4.2.4 Android智能终端Smart RTK定位算法流程 |
| 4.3 实验设置与结果 |
| 4.3.1 伪动态实验设置及结果 |
| 4.3.2 步行实验设置及结果 |
| 4.3.3 车载实验设置及结果 |
| 4.4 本章小结 |
| 第五章 Android智能终端卫星/惯性组合导航 |
| 5.1 Android智能终端惯性测量元件处理方法 |
| 5.1.1 Android智能终端惯性传感器及设备坐标系 |
| 5.1.2 Android智能终端惯性测量随机误差评估 |
| 5.1.3 Android智能终端惯性观测值预处理 |
| 5.2 Android智能终端GNSS/SINS算法与实现 |
| 5.2.1 低成本GNSS/SINS组合导航方法 |
| 5.2.2 Android智能终端Smart RTK/SINS组合导航实现 |
| 5.3 实验设置及结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（10）自主移动药肥共施机器人的研发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 农业机器人概述 |
| 1.2.2 农业机器人发展现状 |
| 1.2.3 导航技术发展现状 |
| 1.2.4 远程遥控发展现状 |
| 1.2.5 喷药技术发展现状 |
| 1.3 本课题的主要研究内容及主要工作 |
| 第二章 自主移动药肥共施机器人总体设计方案 |
| 2.1 药肥机器人总体设计方案 |
| 2.2 工作过程 |
| 2.3 本章小结 |
| 第三章 喷雾系统设计 |
| 3.1 总体设计方案 |
| 3.2 喷施臂设计 |
| 3.3 喷雾机构 |
| 3.4 工作原理 |
| 3.5 本章小结 |
| 第四章 移动底盘设计 |
| 4.1 药肥机器人移动结构类型选型 |
| 4.2 机器人驱动方式的选择 |
| 4.3 药肥机器人结构设计 |
| 4.3.1 机械结构设计 |
| 4.3.2 电机选型 |
| 4.4 运动控制系统设计 |
| 4.4.1 硬件选型 |
| 4.4.2 通讯协议 |
| 4.4.3 电路设计及pcb绘制 |
| 4.4.4 程序设计 |
| 4.5 本章小结 |
| 第五章 双控系统设计 |
| 5.1 总体设计方案 |
| 5.2 远程遥控系统 |
| 5.2.1 硬件选型 |
| 5.2.2 无线电遥控原理 |
| 5.2.3 控制过程 |
| 5.2.4 程序设计 |
| 5.3 自主导航系统 |
| 5.3.1 总体设计方案 |
| 5.3.2 模块选型 |
| 5.3.3 姿态解读算法 |
| 5.3.4 GPS通讯协议 |
| 5.3.5 模块调试 |
| 5.3.6 GPS与陀螺仪联调 |
| 5.3.7 程序设计 |
| 5.4 控制箱设计 |
| 5.4.1 电路设计 |
| 5.4.2 结构设计 |
| 5.5 本章小结 |
| 第六章 实验验证 |
| 6.1 机器人底盘性能试验 |
| 6.2惯导实验 |
| 6.2.1 陀螺仪安装位置 |
| 6.3 组合导航试验 |
| 6.4远程遥控实验 |
| 6.5对靶喷雾实验 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
四、GPS导航技术的新进展（论文参考文献）
- [1]基于iGMAS的电离层监测和评估方法研究[D]. 赵坤娟. 中国科学院大学(中国科学院国家授时中心), 2020
- [2]美国导航战新进展与启示[J]. 唐斌,郑冲,章林锋,王正. 导航定位与授时, 2020(04)
- [3]车辆GPS/SINS组合定位技术研究[D]. 聂敏天. 河南大学, 2020(02)
- [4]小型无人机惯性/卫星/视觉组合导航技术研究[D]. 曲蕴杰. 哈尔滨工业大学, 2020(01)
- [5]BDS-2/BDS-3卫星观测数据联合处理关键技术研究[D]. 胡超. 中国矿业大学, 2020
- [6]NIS约束下的无人机诱捕技术研究[D]. 陈晨. 中国民航大学, 2020(01)
- [7]基于MEMS器件的惯性测量系统设计[D]. 李亚东. 西南大学, 2020(01)
- [8]基于SINS的组合导航技术研究[D]. 温哲君. 南京理工大学, 2020(01)
- [9]安卓智能终端精密定位关键技术研究[D]. 张楷时. 战略支援部队信息工程大学, 2019(02)
- [10]自主移动药肥共施机器人的研发[D]. 张晓磊. 天津农学院, 2019(07)