X射線脈沖星導(dǎo)航理論

目錄
前言
第1章緒論1
1.1脈沖星導(dǎo)航概述1
1.2國內(nèi)外研究現(xiàn)狀及分析3
1.2.1脈沖星的發(fā)現(xiàn)與觀測3
1.2.2XNAV的發(fā)展歷程4
1.2.3X射線脈沖星信號(hào)處理的研究現(xiàn)狀8
1.2.4X射線脈沖星導(dǎo)航模型的研究現(xiàn)狀13
1.3本書的結(jié)構(gòu)安排15
1.3.1信號(hào)處理的研究16
1.3.2導(dǎo)航模型的研究17
第2章脈沖星與X射線脈沖星導(dǎo)航19
2.1脈沖星及其特性19
2.2常用的脈沖星數(shù)據(jù)庫及選星方法23
2.3基本坐標(biāo)系24
2.4基本時(shí)間系統(tǒng)27
2.5X射線脈沖星導(dǎo)航的原理28
2.6X射線脈沖星導(dǎo)航數(shù)學(xué)模型30
2.6.1狀態(tài)方程30
2.6.2觀測方程33
2.7小結(jié)34
第3章基于小波壓縮感知的周期估計(jì)算法35
3.1基于小波壓縮感知的周期估計(jì)算法的框架35
3.2基于扭*輪廓的字典構(gòu)建36
3.2.1脈沖星光子到達(dá)時(shí)間的數(shù)學(xué)模型36
3.2.2扭*輪廓的原理38
3.2.3字典的構(gòu)建方法40
3.3基于提升小波的觀測矩陣設(shè)計(jì)41
3.4基于小波域的卡方重構(gòu)算法45
3.5基于PP周期估計(jì)初始值的確定45
3.6算法性能分析50
3.6.1周期估計(jì)算法的復(fù)雜度分析50
3.6.2周期估計(jì)算法的數(shù)值仿真與分析52
3.7小結(jié)58
第4章脈沖輪廓信號(hào)的小波降噪算法60
4.1小波降噪的原理分析60
4.2小波基的構(gòu)造61
4.3小波基提升方案的實(shí)現(xiàn)65
4.4仿真與分析66
4.5小結(jié)76
第5章基于壓縮感知的TOA估計(jì)算法77
5.1基于壓縮感知的TOA估計(jì)算法的框架77
5.2TOA估計(jì)預(yù)處理79
5.3基于雙字典和同尺度1-范數(shù)的TOA估計(jì)81
5.3.1基于雙字典的信號(hào)稀疏化82
5.3.2二元隨機(jī)觀測矩陣84
5.3.3基于SSL1的重構(gòu)算法85
5.4基于小波域壓縮感知的TOA估計(jì)86
5.4.1小波域的多級(jí)字典86
5.4.2小波層數(shù)相關(guān)的隨機(jī)觀測矩陣88
5.4.3基于小波域的重構(gòu)算法89
5.5預(yù)處理與性能分析90
5.5.1算法復(fù)雜度分析90
5.5.2仿真與分析93
5.6小結(jié)98
第6章X射線脈沖星方位誤差估計(jì)99
6.1脈沖星方位誤差分析99
6.2增廣脈沖星方位誤差估計(jì)算法102
6.2.1算法設(shè)計(jì)102
6.2.2可觀測性證明105
6.2.3仿真分析106
6.3TSKF脈沖星方位誤差估計(jì)算法110
6.3.1估計(jì)算法誤差影響分析110
6.3.2算法設(shè)計(jì)113
6.3.3仿真分析116
6.4小結(jié)120
第7章X射線脈沖星導(dǎo)航算法121
7.1基于分段線性化的截?cái)嗾`差建模方法121
7.1.1觀測模型高階項(xiàng)分析121
7.1.2截?cái)嗾`差的近似線性數(shù)學(xué)模型128
7.1.3仿真分析131
7.2基于ASEKF的脈沖星導(dǎo)航算法134
7.2.1算法設(shè)計(jì)134
7.2.2可觀測性證明137
7.2.3仿真分析139
7.3考慮有色噪聲影響的脈沖星導(dǎo)航兩級(jí)強(qiáng)跟蹤差分濾波器144
7.3.1中心天體星歷誤差分析145
7.3.2有色噪聲分析148
7.3.3TSTDKF算法設(shè)計(jì)149
7.3.4仿真分析154
7.4基于異步重疊觀測方法的預(yù)修正導(dǎo)航算法157
7.4.1異步觀測方法157
7.4.2異步重疊觀測方法160
7.4.3預(yù)修正擴(kuò)展卡爾曼濾波器設(shè)計(jì)162
7.4.4仿真分析166
7.5基于多重次優(yōu)漸消擴(kuò)展卡爾曼濾波的慣性/星光/脈沖星組合導(dǎo)航算法170
7.5.1慣性導(dǎo)航誤差模型170
7.5.2觀測模型172
7.5.3多重次優(yōu)漸消擴(kuò)展卡爾曼濾波器174
7.5.4組合導(dǎo)航算法設(shè)計(jì)175
7.5.5仿真分析178
7.6基于虛擬加速度計(jì)的INS/CNS/XNAV組合導(dǎo)航算法183
7.6.1基于虛擬加速度計(jì)的INS/CNS/XNAV組合導(dǎo)航算法的框架183
7.6.2VA/XNAV的信息融合185
7.6.3INS/CNS/XNAV的信息融合190
7.6.4仿真分析192
7.7小結(jié)197
參考文獻(xiàn)198