《多運動平台協同導航的分散式算法研究》是2015年10月出版的圖書，作者是穆華、吳美平、胡小平等。
基本介紹
- 書名：多運動平台協同導航的分散式算法研究
- 作者：穆華、吳美平、胡小平等
- 出版時間：2015年10月
基本信息,內容簡介,目錄,
基本信息
書名多運動平台協同導航的分散式算法研究
書號978-7-118-10261-1
作者穆華、吳美平、胡小平等
出版時間2015年10月
譯者
版次1版1次
開本16
裝幀平裝
出版基金
頁數148
字數172
中圖分類TN96
叢書名國防科學技術大學慣性技術實驗室優秀博士學位論文叢書
定價50.00
內容簡介
大學之道，在明明德，在親民，在止於至善。 ——《大學》 國防科學技術大學慣性技術實驗室，長期從事慣性導航系統、 衛星導航技術、重力儀技術及相關領域的人才培養和科學研究工作。實驗室在慣性導航系統技術與套用研究上取得顯著成績，先後研製我國第一套雷射陀螺定位定向系統、第一台雷射陀螺羅經系統、第一套捷聯式航空重力儀，在國內率先將雷射陀螺定位定向系統用於現役裝備改造、首次驗證了水下地磁導航技術的可行性，服務於空中、地面、水面和水下等各種平台，有力地支撐了我軍裝備現代化建設。在持續的技術創新中，實驗室一直致力於教育教學和人才培養工作，注重培養從事導航系統分析、設計、研製、測試、維護及綜合套用等工作的工程技術人才，畢業的硏究生絕大多數戰鬥於國防科技事業第一線，為“強軍興國”貢獻著一己之力。
尤其是，培養的一批高水平博士研究生有力地支持了我軍信息化裝備建設對高層次人才的需求。博士，是大學教育中的最高層次。而高水平博士學位論文，不僅是全面展現博士研究生創新研究工作最翔實、最直接的資料，也代表著國內相關研究領域的最新水平。近年來，國防科學技術大學研究生院為了確保博士學位論文的質量，採取了一系列措施，對學位論文評審、答辯的各個環節進行嚴格把關，有力地保證了博士學位論文的質量。為了展現慣性導航技術實驗室博士研究生的創新研究成果，實驗室在己授予學位的數十本博士學位論文中，遴選出23本具代表性的優秀博士學位論文，分成五個專題，結集出版，以饗讀者。這五個專題分別是：（1）雷射陀螺慣導系統技術；（2）地磁導航技術；（3）嵌入式組合導航技術；（4）航空重力測量技術；（5）自主導航理論與方法。結集出版的目的有三：其一，不揣淺陋。此次以專著形式出版，是為了儘可能擴大實驗室的學術影響，增加學術成果的交流範圍，將國防科學技術大學慣性導航技術實驗室的研究成果，以一種“新”的面貌展現在同行面前，希望更多的同仁們和後來者，能夠從這套叢書中獲得一些啟發和借鑑，那將是作者和編輯都倍感欣慰的事。其二，不寧為是。以此次出版為契機，作者們也對原來的學位論文內容進行諸多修訂和補充，特別是針對一些早期不太確定的研究成果，結合近幾年的最新研究進展，又進行了必要的修改，使著作更加嚴謹、客觀。其三，不關毀譽，唯求科學與真實。出版之後，誠摯歡迎業內外專家指正、賜教，以便於我們在後續的研究工作中，能夠做得更好。 在此，一併感謝各位編委以及國防工業出版社的大力支持！
目錄
第1章緒論
1.1研究背景
1.2多運動平台協同導航的相關研究
1.3分散式數據融合技術
1.3.1多感測器目標跟蹤
1.3.2感測器網路的校準
1.4分散式協同導航算法研究
1.5貝葉斯網路推理算法
1.5.1算法分類
1.5.2幾種推理算法
1.6機器人同步定位與建圖（SLAM）的啟示
第2章多運動平台協同導航的數學模型
2.1協同導航系統特徵分析
2.2協同導航的狀態空間模型
2.2.1單平台的狀態空間模型
2.2.2平台系統的狀態空間模型
2.2.3狀態空間模型小結
2.3協同導航的機率圖模型
2.3.1機率圖模型
2.3.2動態貝葉斯網路表達
2.3.3馬爾可夫隨機場
2.4小結
第3章協同導航增廣信息濾波算法
3.1協同導航的高斯濾波
3.1.1高斯濾波
3.1.2矩參數表達
3.1.3信息參數表達
3.2協同導航的增廣信息濾波
3.3基於矩陣分解的狀態恢復算法
3.3.1均值恢復
3.3.2協方差按列恢復
3.3.3稀疏協方差恢復
3.4增廣信息濾波的馬爾可夫隨機場
3.5小結
1.1研究背景
1.2多運動平台協同導航的相關研究
1.3分散式數據融合技術
1.3.1多感測器目標跟蹤
1.3.2感測器網路的校準
1.4分散式協同導航算法研究
1.5貝葉斯網路推理算法
1.5.1算法分類
1.5.2幾種推理算法
1.6機器人同步定位與建圖（SLAM）的啟示
第2章多運動平台協同導航的數學模型
2.1協同導航系統特徵分析
2.2協同導航的狀態空間模型
2.2.1單平台的狀態空間模型
2.2.2平台系統的狀態空間模型
2.2.3狀態空間模型小結
2.3協同導航的機率圖模型
2.3.1機率圖模型
2.3.2動態貝葉斯網路表達
2.3.3馬爾可夫隨機場
2.4小結
第3章協同導航增廣信息濾波算法
3.1協同導航的高斯濾波
3.1.1高斯濾波
3.1.2矩參數表達
3.1.3信息參數表達
3.2協同導航的增廣信息濾波
3.3基於矩陣分解的狀態恢復算法
3.3.1均值恢復
3.3.2協方差按列恢復
3.3.3稀疏協方差恢復
3.4增廣信息濾波的馬爾可夫隨機場
3.5小結
第4章協同導航分散式增廣信息濾波算法設計
4.1單平台局部數據融合
4.1.1狀態添加
4.1.2觀測更新
4.1.3狀態消元
4.2分散式遞增Cholesky 修正算法
4.2.1矩陣的Cholesky 分解
4.2.2遞增Cholesky 修正
4.2.3遞增的狀態恢復
4.2.4分散式遞增Cholesky 修正
4.2.5關於選取Cholesky 分解算法的討論
4.3基於遞增Cholesky 修正的分散式狀態恢復
4.3.1遞增Cholesky 修正
4.3.2狀態恢復
4.3.3存儲管理
4.4算法框架及性能分析
4.4.1算法框架
4.4.2性能指標
4.4.3性能分析
4.5仿真實驗
4.6比較：分散式卡爾曼濾波（DKF）
4.7小結
第5章高斯動態貝葉斯網路推理算法設計
5.1引言
5.2聯合樹及其構造
5.2.1機率圖消元
5.2.2聯合樹的構造
5.3離散貝葉斯網路聯合樹算法
4.1單平台局部數據融合
4.1.1狀態添加
4.1.2觀測更新
4.1.3狀態消元
4.2分散式遞增Cholesky 修正算法
4.2.1矩陣的Cholesky 分解
4.2.2遞增Cholesky 修正
4.2.3遞增的狀態恢復
4.2.4分散式遞增Cholesky 修正
4.2.5關於選取Cholesky 分解算法的討論
4.3基於遞增Cholesky 修正的分散式狀態恢復
4.3.1遞增Cholesky 修正
4.3.2狀態恢復
4.3.3存儲管理
4.4算法框架及性能分析
4.4.1算法框架
4.4.2性能指標
4.4.3性能分析
4.5仿真實驗
4.6比較：分散式卡爾曼濾波（DKF）
4.7小結
第5章高斯動態貝葉斯網路推理算法設計
5.1引言
5.2聯合樹及其構造
5.2.1機率圖消元
5.2.2聯合樹的構造
5.3離散貝葉斯網路聯合樹算法
5.3.1運算定義
5.3.2證據引入
5.3.3訊息傳遞策略
5.4高斯貝葉斯網路信息參數聯合樹算法
5.4.1勢函式
5.4.2證據引入
5.4.3勢函式運算
5.4.4算例
5.5高斯貝葉斯網路矩參數懶惰推理算法設計
5.5.1研究動機
5.5.2矩參數的推理特點
5.5.3利用有向圖信息
5.5.4聯合樹相關操作
5.5.5懶惰算法設計
5.5.6算法分析
5.6動態貝葉斯網路遞增推理算法設計
5.6.1前向界面算法
5.6.2遞增動態聯合樹算法設計
5.7仿真算例
5.8小結
第6章協同導航分散式聯合樹算法設計
6.1算法框架
6.2算法實現
6.2.1消元順序的選取
6.2.2連線樹的建立
6.2.3訊息傳遞
6.3算法性能分析
6.3.1計算複雜度分析
6.3.2通信複雜度分析
6.3.3工作負載的均衡
6.3.4比較：前向界面算法
6.4DKF與DJT(M)比較
6.5DAIF 與DJT(I)比較
6.5.1矩陣分解與消元
6.5.2複雜度比較
6.6綜合分析
6.7小結
附錄A高斯分布的矩參數和信息參數表達及機率推演
A.1高斯分布的矩參數和信息參數
A.2邊緣分布
A.3條件分布
A.4聯合分布
A.5觀測融合
附錄BCholesky分解算法
B.1向上看Cholesky分解算法
B.2向左看Cholesky 分解算法
B.3向右看Cholesky 分解算法
附錄C圖論基本概念及最小生成樹算法
C.1一些圖論的概念
C.2最小生成樹算法
參考文獻"
5.3.2證據引入
5.3.3訊息傳遞策略
5.4高斯貝葉斯網路信息參數聯合樹算法
5.4.1勢函式
5.4.2證據引入
5.4.3勢函式運算
5.4.4算例
5.5高斯貝葉斯網路矩參數懶惰推理算法設計
5.5.1研究動機
5.5.2矩參數的推理特點
5.5.3利用有向圖信息
5.5.4聯合樹相關操作
5.5.5懶惰算法設計
5.5.6算法分析
5.6動態貝葉斯網路遞增推理算法設計
5.6.1前向界面算法
5.6.2遞增動態聯合樹算法設計
5.7仿真算例
5.8小結
第6章協同導航分散式聯合樹算法設計
6.1算法框架
6.2算法實現
6.2.1消元順序的選取
6.2.2連線樹的建立
6.2.3訊息傳遞
6.3算法性能分析
6.3.1計算複雜度分析
6.3.2通信複雜度分析
6.3.3工作負載的均衡
6.3.4比較：前向界面算法
6.4DKF與DJT(M)比較
6.5DAIF 與DJT(I)比較
6.5.1矩陣分解與消元
6.5.2複雜度比較
6.6綜合分析
6.7小結
附錄A高斯分布的矩參數和信息參數表達及機率推演
A.1高斯分布的矩參數和信息參數
A.2邊緣分布
A.3條件分布
A.4聯合分布
A.5觀測融合
附錄BCholesky分解算法
B.1向上看Cholesky分解算法
B.2向左看Cholesky 分解算法
B.3向右看Cholesky 分解算法
附錄C圖論基本概念及最小生成樹算法
C.1一些圖論的概念
C.2最小生成樹算法
參考文獻"
