导读:本文包含了无轨迹卡尔曼滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:捷联惯导,初始对准,扩展卡尔曼滤波,无轨迹卡尔曼滤波
无轨迹卡尔曼滤波论文文献综述
刘育浩,黄新生[1]（2009）在《基于无轨迹卡尔曼滤波神经网络的SINS初始对准方法》一文中研究指出针对扩展卡尔曼滤波算法的缺点,研究了基于无轨迹卡尔曼滤波的神经网络算法。建立了捷联惯导系统在大失准角下的误差方程和适用于初始对准的神经网络模型,研究了基于扩展卡尔曼滤波和无轨迹卡尔曼滤波的神经网络算法,将基于无轨迹卡尔曼滤波的神经网络学习算法应用于捷联惯导系统大失准角条件下的初始对准中。仿真结果表明,在大失准角条件下,用训练好的神经网络进行初始对准是可行的,且基于无轨迹卡尔曼滤波的神经网络算法可提高初始对准精度。(本文来源于《系统仿真学报》期刊2009年10期）
黎云汉,朱善安[2]（2008）在《基于Hough变换和无轨迹卡尔曼滤波的眼睛角点跟踪》一文中研究指出提出了一种基于改进Hough变换(HT)和无轨迹卡尔曼滤波(UKF)的眼睛外角点跟踪算法。该算法在输入图像中存在虹膜时采用改进Hough变换提取眼睑轮廓并得到眼睛外角点位置,当输入图像中检测不到虹膜时,采用UKF算法对当前帧眼睛角点进行估计。实验证明,本文算法能精确地跟踪眼睛外角点。(本文来源于《吉林大学学报(工学版)》期刊2008年04期）
周战馨,高亚楠,陈家斌[3]（2006）在《基于无轨迹卡尔曼滤波的大失准角INS初始对准》一文中研究指出讨论了大失准角情况下,惯性导航系统(INS)初始对准的非线性误差模型,分析了无轨迹卡尔曼滤波原理,提出将无轨迹卡尔曼滤波(UKF)技术应用于惯性导航系统初始对准ψ角估计中,进行了静基座状态下的初始对准仿真。仿真结果表明,在方位误差角为大角度,水平误差角为小量的情形下,无轨迹卡尔曼滤波比扩展卡尔曼滤波(EKF)对准时间更快,估计精度更高。当ψ角三个分量均为小量时,无轨迹卡尔曼滤波也具有很好的性能。(本文来源于《系统仿真学报》期刊2006年01期）
周战馨,高亚楠,陈家斌[4]（2005）在《惯导初对准中的平方根无轨迹卡尔曼滤波》一文中研究指出针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.(本文来源于《北京理工大学学报》期刊2005年11期）
无轨迹卡尔曼滤波论文开题报告
（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：
提出了一种基于改进Hough变换(HT)和无轨迹卡尔曼滤波(UKF)的眼睛外角点跟踪算法。该算法在输入图像中存在虹膜时采用改进Hough变换提取眼睑轮廓并得到眼睛外角点位置,当输入图像中检测不到虹膜时,采用UKF算法对当前帧眼睛角点进行估计。实验证明,本文算法能精确地跟踪眼睛外角点。
（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。
无轨迹卡尔曼滤波论文参考文献
[1].刘育浩,黄新生.基于无轨迹卡尔曼滤波神经网络的SINS初始对准方法[J].系统仿真学报.2009
[2].黎云汉,朱善安.基于Hough变换和无轨迹卡尔曼滤波的眼睛角点跟踪[J].吉林大学学报(工学版).2008
[3].周战馨,高亚楠,陈家斌.基于无轨迹卡尔曼滤波的大失准角INS初始对准[J].系统仿真学报.2006
[4].周战馨,高亚楠,陈家斌.惯导初对准中的平方根无轨迹卡尔曼滤波[J].北京理工大学学报.2005