單站定位跟蹤理論與方法

第1章 緒論
1.1 研究背景和意義
1.1.1 概述
1.1.2 導(dǎo)航戰(zhàn)與GNSS干擾源定位跟蹤
1.1.3 GNSS干擾源特征分析及其對(duì)定位跟蹤的影響
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 靜止目標(biāo)的純方位定位方法
1.2.2 運(yùn)動(dòng)目標(biāo)的純方位跟蹤方法
1.2.3 連續(xù)-離散系統(tǒng)濾波技術(shù)
1.2.4 抗差自適應(yīng)定位跟蹤方法
1.2.5 觀測(cè)站機(jī)動(dòng)跟蹤策略
1.3 本書的主要內(nèi)容和結(jié)構(gòu)安排
第2章 預(yù)備知識(shí)
2.1 矩陣論基礎(chǔ)
2.1.1 矩陣的基本運(yùn)算
2.1.2 內(nèi)積與范數(shù)
2.1.3 特征值與特征向量
2.1.4 逆矩陣與偽逆矩陣
2.1.5 矩陣微分
2.2 矩陣分解
2.2.1 特征值分解
2.2.2 奇異值分解
2.2.3 滿秩分解
2.2.4 QR分解
2.3 線性與非線性濾波基礎(chǔ)
2.3.1 卡爾曼濾波和擴(kuò)展卡爾曼濾波
2.3.2 粒子濾波
2.3.3 確定性采樣濾波
2.4 誤差分析
2.4.1 觀測(cè)誤差
2.4.2 誤差的標(biāo)量描述
2.4.3 誤差的向量描述
2.4.4 位置線誤差及其特性
2.5 抗差自適應(yīng)估計(jì)理論
2.5.1 抗差M估計(jì)原理
2.5.2 自適應(yīng)估計(jì)原理
2.5.3 抗差自適應(yīng)濾波
2.6 本章小結(jié)
第3章 基于抗差M估計(jì)的單站純方位定位方法
3.1 單站純方位定位模型
3.2 單站純方位定位可觀測(cè)性分析
3.3 經(jīng)典定位算法
3.3.1 非線性方程直接求解法
3.3.2 偽線性方程求解法
3.4 基于抗差M估計(jì)的結(jié)構(gòu)總體最小二乘定位準(zhǔn)則
3.4.1 結(jié)構(gòu)總體最小二乘定位準(zhǔn)則
3.4.2 抗異常誤差準(zhǔn)則
3.4.3 誤差分析
3.5 抗差結(jié)構(gòu)總體最小二乘問題的求解
3.6 仿真分析
3.7 本章小結(jié)
第4章 基于容積準(zhǔn)則的單站純方位跟蹤方法
4.1 單站純方位跟蹤模型
4.2 貝葉斯非線性濾波框架和容積卡爾曼濾波算法
4.2.1 貝葉斯非線性濾波框架
4.2.2 容積卡爾曼濾波算法
4.3 正交單純形切比雪夫-拉蓋爾容積濾波準(zhǔn)則
4.3.1 正交球面單純形容積準(zhǔn)則
4.3.2 高階切比雪夫-拉蓋爾徑向準(zhǔn)則
4.3.3 正交單純形切比雪夫-拄蓋爾容積卡爾曼濾波
4.3.4 精度分析
4.4 基于高斯和策略的抗高非線性方法
4.4.1 改進(jìn)的距離參數(shù)化初值選取策略
4.4.2 高斯密度分割和合并
4.5 均方根正交單純形切比雪夫-拉蓋爾高斯和容積卡爾曼濾波
4.5.1 濾波算法
4.5.2 算法在單站純方位跟蹤中的實(shí)現(xiàn)問題
4.6 仿真分析
4.6.1 OSCL-CKF性能仿真
4.6.2 均方根高斯和方法性能仿真
4.7 本章小結(jié)
第5章 基于連續(xù)-離散系統(tǒng)模型的單站純方位跟蹤方法
5.1 連續(xù)-離散系統(tǒng)模型
5.1.1 連續(xù)時(shí)間系統(tǒng)與離散時(shí)間系統(tǒng)
5.1.2 連續(xù)-離散純方位跟蹤系統(tǒng)模型
5.2 基于伊藤-泰勒方法的低階連續(xù)-離散系統(tǒng)濾波
5.2.1 基于1.5階伊藤-泰勒近似的時(shí)間更新
5.2.2 連續(xù)-離散CKF方法
5.2.3 連續(xù)-離散CKF的自適應(yīng)反饋方法
5.3 基于RK/ABM方法的高階連續(xù)-離散系統(tǒng)濾波
5.3.1 連續(xù)時(shí)間狀態(tài)的期望和協(xié)方差
5.3.2 RK單步法的數(shù)學(xué)形式
5.3.3 ABM多步法的數(shù)學(xué)形式
5.3.4 基于4階數(shù)值近似的時(shí)間更新
5.4 仿真分析
5.4.1 場(chǎng)景和參數(shù)設(shè)置
5.4.2 仿真結(jié)果與分析
5.5 本章小結(jié)
第6章 基于廣義M估計(jì)的抗差單站純方位跟蹤方法
6.1 線性動(dòng)態(tài)系統(tǒng)的抗差濾波方法
6.2 基于線性/非線性回歸模型的抗差非線性濾波方法
6.2.1 基于線性回歸模型的抗差CKF方法
6.2.2 基于非線性回歸模型的抗差CKF算法
6.3 基于廣義M估計(jì)的抗差非線性濾波方法
6.3.1 抗差準(zhǔn)則設(shè)計(jì)
6.3.2 等價(jià)權(quán)函數(shù)設(shè)計(jì)
6.4 仿真分析
6.5 本章小結(jié)
第7章 基于判決延遲策略的抗差自適應(yīng)單站純方位跟蹤方法
7.1 基于自適應(yīng)因子的抗模型異常方法
7.1.1 抗模型異常誤差準(zhǔn)則
7.1.2 自適應(yīng)容積卡爾曼濾波算法
7.2 基于判決延遲策略的抗差自適應(yīng)單站純方位跟蹤方法
7.2.1 判決延遲策略
7.2.2 跟蹤算法設(shè)計(jì)與實(shí)現(xiàn)
7.3 仿真分析
7.3.1 場(chǎng)景和參數(shù)設(shè)置
7.3.2 仿真結(jié)果和分析
7.4 本章小結(jié)
第8章 威脅約束下的單觀測(cè)站機(jī)動(dòng)策略
8.1 基于觀測(cè)站機(jī)動(dòng)的純方位跟蹤系統(tǒng)可觀測(cè)性分析
8.2 無約束條件下的觀測(cè)站最優(yōu)機(jī)動(dòng)準(zhǔn)則
8.2.1 方位角變化率最大準(zhǔn)則
8.2.2 Fisher信息矩陣行列式最大準(zhǔn)則
8.2.3 濾波協(xié)方差矩陣跡最小準(zhǔn)則
8.3 威脅約束下的單觀測(cè)站路徑優(yōu)化方法
8.3.1 威脅分析
8.3.2 精度打分函數(shù)
8.3.3 生存能力打分函數(shù)
8.3.4 路徑選擇函數(shù)
8.3.5 單觀測(cè)站路徑評(píng)價(jià)方法
8.4 基于觀測(cè)信息收益的觀測(cè)站機(jī)動(dòng)跟蹤策略
8.4.1 機(jī)動(dòng)決策模型
8.4.2 狀態(tài)轉(zhuǎn)移概率矩陣
8.4.3 機(jī)動(dòng)決策代價(jià)函數(shù)
8.4.4 觀測(cè)站機(jī)動(dòng)跟蹤方法
8.5 仿真分析