导读:本文包含了容错组合导航论文开题报告文献综述及选题提纲参考文献，主要关键词:组合导航,联邦滤波,信息分配因子,容错
容错组合导航论文文献综述
张闯,赵修斌,庞春雷,冯波,高超[1]（2019）在《SINS/GNSS/CNS组合导航自适应容错联邦滤波方法》一文中研究指出针对子系统发生缓变故障会影响联邦滤波器精度的问题,分析了信息分配因子对子滤波器精度和鲁棒性、全局估计精度以及故障检测效率的影响.在此基础上,研究了一种自适应容错联邦滤波方案.通过对量测噪声阵进行自适应调节来降低未检测出来的故障信息对故障子滤波器和全局估计精度的影响,进而提升无故障子滤波器的精度和系统重构能力;根据子滤波器故障检测函数值来动态调节信息分配因子,可进一步提升故障检测效率.仿真结果表明,相比于传统的容错联邦滤波,该方法能有效降低故障信息对滤波精度的影响,具有较高的全局估计精度.(本文来源于《控制理论与应用》期刊2019年09期）
朱倚娴[2]（2018）在《AUV组合导航系统容错关键技术研究》一文中研究指出自主水下航行器(Autonomous Underwater Vehicle,AUV)作为人类探索和开发海洋的重要工具,在我国海洋发展战略中起重要作用。AUV导航系统为其提供位置、速度、姿态等信息,准确可靠的导航信息是AUV成功执行任务的保证之一。本文以AUV组合导航系统容错技术为主题,对AUV容错组合导航系统建模、多传感器异步信息融合、故障检测技术、导航传感器短时失效处理方法、AUV组合导航系统容错滤波算法等关键技术进行了研究。具体研究内容和结论如下:1.针对AUV导航系统较高的可靠性需求,设计了基于无反馈联邦滤波的AUV容错组合导航系统结构。为每个局部滤波器设置故障检测模块和故障隔离决策模块,有利于及时检测故障并做出应对处理,以避免故障交叉感染。分析AUV常用导航传感器/系统的工作原理,建立以捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)为参考系统的组合导航系统误差模型。2.针对AUV多传感器组合导航系统中由于各传感器采样频率不同而造成的异步信息融合问题,提出基于多尺度的异步信息融合算法。在不考虑量测滞后的情况下,利用数学归纳法递推得到基于多尺度的系统模型,并针对有无辅助量测信息的时刻分别推导融合估计算法;在考虑量测滞后的情况下,通过状态和观测的分块和扩维得到基于多尺度的系统模型,利用不同尺度上的观测信息对目标状态进行估计,推导以数据块为单位的融合估计算法。在异步量测的SINS、DVL和TAN构成的AUV组合导航系统中,分别针对不考虑和考虑量测滞后的两种情况进行仿真,结果表明基于多尺度的信息融合算法与基于单一尺度的信息融合算法相比提高了异步信息融合精度,从而有利于提高AUV组合导航系统多传感器异步量测情况下的定位精度。3.AUV工作环境中许多不确定因素会影响导航传感器量测的稳定性和准确性,甚至可能导致传感器发生故障,针对渐变故障不易检测的问题,提出基于高斯过程回归的故障检测方法。利用粒子群优化算法辅助求取高斯过程回归模型的最优超参数,将训练好的高斯过程回归模型用于预测滤波新息,并基于此构建新颖的故障检测函数,有效增大了系统无故障和有故障时故障检测函数值的差异,从而增强了该故障检测方法对渐变故障的敏感度。通过基于跑车数据的半物理仿真实验进行验证,结果表明基于高斯过程回归的故障检测方法能及时检测突变故障和渐变故障,尤其在检测渐变故障时,与残差卡方故障检测法相比具有明显的快速性。基于高斯过程回归故障检测方法的提出有利于AUV组合导航系统在导航传感器发生故障时及时做出隔离处理,从而有助于保证复杂工作条件下AUV导航结果的准确性。4.针对AUV导航传感器DVL易发生短时失效的情况,提出基于偏最小二乘回归和支持向量回归的双模型复合处理方法,利用复合量测估计器的预测结果代替DVL量测信息用于组合导航。为克服失效时刻偶然因素对估计结果带来的不良影响,采用失效时刻及其前期时刻的SINS解算信息作为训练输入,针对该自变量具有多重相关性的情况,采用偏最小二乘回归建立估计器模型,以保证所建模型的稳健性。为进一步提高估计精度,引入支持向量回归这一非线性回归模型建立估计器以预测偏最小二乘回归预测后的残余部分。通过数学仿真和半物理仿真验证了所提复合量测估计器可有效提高传感器短时失效情况下的系统导航结果精度,从而有利于保障恶劣工作环境下AUV组合导航系统的可靠性。5.针对AUV组合导航系统高精度高可靠性的需求,提出基于模糊逻辑的智能容错滤波算法。考虑量测噪声先验知识不充分的问题,利用模糊逻辑实现量测噪声方差阵的自适应调整。在故障检测的基础上,引入量测可信度这一变量,通过模糊推理确定量测可信度的取值,并以此调节对量测信息的利用率。综合自适应局部滤波、故障检测算法和故障隔离算法,设计基于模糊逻辑的AUV组合导航系统容错滤波算法流程。通过基于SINS/MCP/DVL/TAN的组合导航系统进行仿真验证,结果表明模糊容错滤波算法可有效避免突变故障和渐变故障引起的导航精度下降问题,从而有利于提高AUV组合导航系统的容错性能。基于上述研究,AUV组合导航系统的准确性和容错性得到较大提高,从而有利于增强AUV的可靠性和安全性。(本文来源于《东南大学》期刊2018-03-11）
郭慧娟,刘慧英,石静,孙景峰[3]（2018）在《基于自适应分类容错滤波的SINS/GNSS组合导航方法》一文中研究指出针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。(本文来源于《中国惯性技术学报》期刊2018年01期）
姜春东[4]（2018）在《无人艇SINS/GPS/DVL容错组合导航方法研究》一文中研究指出随着各个国家对海洋资源的重视程度日益增加,海洋冲突不断升级。该问题造成了各个国家加大力度对周围海洋资源进行探测、监控、情报收集等方面的工作,因此无人艇的发展开始越来越受到重视。而导航系统作为无人艇中最为重要的一环,决定着无人艇航行时的精确度和有效性能。如何利用好常见的导航设备,提出综合有效的导航方案,提供精度较高的实时、持续的位置和速度等信息,是当前无人艇中的导航系统迫切需要解决的一个问题。而这一问题的有效解决方法是采用容错组合导航系统。容错组合导航系统能够可靠工作的关键是具有故障检测功能并且可以对系统进行重构。本文主要对无人艇的SINS/GPS/DVL容错组合导航方法进行研究,以导航系统的信息融合理论为基础,改进其中常规子滤波器的滤波性能,并设计基于支持向量机的智能故障检测模块,从而增加水面无人艇中导航系统的精确度、智能性、容错性和自适应性。首先,介绍了无人艇容错组合导航中的核心滤波算法,分析了无人艇选用的捷联惯性导航系统(SINS)、全球卫星导航系统(GPS)和多普勒计程仪(DVL)这叁种导航设备的工作原理、特征及其误差特点。然后,针对无人艇在由于自身艇体较小,易受到海浪等外部环境影响,引起观测数据的变化,将数据融合中的局部子滤波器改造成了模糊自适应卡尔曼滤波器,然后仿真分析了子滤波器和整个系统的相关性能。最后,导航系统受到敌船干扰和海上恶劣环境等影响易产生故障。针对此情况,研究了智能故障检测算法,将机器学习当中的支持向量机算法应用到了SINS/GPS/DVL组合导航系统的故障检测中。并结合了基于支持向量机的故障检测算法,仿真分析了整个无人艇SINS/GPS/DVL容错组合导航系统的相关性能,验证了本文中设计方案的可行性。(本文来源于《哈尔滨工程大学》期刊2018-01-01）
查月[5]（2017）在《舰船全天时高精度容错组合导航系统设计与验证》一文中研究指出针对单一导航系统的性能不能满足全天候、全天时、高精度、高可靠性的舰船导航信息测量要求,提出了一种基于多传感器信息融合(MSF,Multi-SensorFusion)的容错组合导航系统方案;方案中增加了子滤波器故障隔离检测模块,对系统状态进行全参量最优估计和容错处理;对融合后的系统精度和故障隔离能力进行了试验仿真验证,结果表明所设计方案能够提高系统的精度和可靠性。(本文来源于《计算机测量与控制》期刊2017年11期）
杨春[6]（2017）在《组合导航系统的故障检测与容错技术研究》一文中研究指出随着太阳能无人机技术的发展,无人机的留空时间要求越来越长,保障无人机获取自身准确的运动信息是确保其长期自主飞行的关键技术之一。然而,在长时间飞行过程中,外部环境的变化可能导致无人机导航系统部件精度劣化、失效等故障,若不能及时检测并处理故障,很难保证无人机组合导航系统长期可靠工作。针对上述需求背景,本文研究了无人机组合导航系统的故障检测与容错技术,构建了无人机的多信息融合容错组合导航模拟系统,设计了组合导航系统的故障检测与容错算法。主要工作如下:(1)针对提高多传感器组合导航系统多种类型故障条件下的容错性能和精度问题,设计了捷联惯性导航系统/北斗卫星导航系统/全球定位系统/天文导航系统(SINS/BDS/GPS/CNS)组合导航系统,提出了一种根据故障检测信息分配联邦滤波权重的多传感器融合方案。SINS模型输出的基准状态信息分别与其他传感器的量测信息构成局部滤波系统,局部滤波系统输出的状态信息与基准状态信息输入到故障检测模块,对各传感器进行故障检测;输出的故障检测值作为权重计算函数的输入变量,计算得到各局部滤波系统状态估计的分配权重,融合各局部滤波系统状态估计后,得到系统的全局状态估计;将全局状态估计值反馈到SINS进行补偿,减少SINS误差对解算精度的影响;采用该方案便于故障检测和处理,减少故障传感器对系统的影响。(2)针对多传感器融合系统中难以检测和处理故障的问题,提出了一种结合双状态传播卡方检验和模糊自适应滤波的容错组合导航算法。设置两个相同的系统模型作为状态传播器,使用融合后的全局估计信息定期对状态传播器交替重置校正,防止故障信息污染系统,提高状态传播器精度;设置故障检测的模糊隶属度函数,输入双状态传播卡方检验得到的故障检测值,计算获得各量测子系统的无故障率;利用子系统无故障率计算各量测子系统联邦滤波权重,根据故障检测值自适应改变联邦滤波权重处理故障信息,得到系统全局状态估计。仿真结果表明:该算法综合了两者的优势,能有效提高故障检测灵敏度,在SINS精度较高时能有效检测和处理量测子系统的多种类型故障。(3)针对无人机不同机动模式下SINS建模噪声统计特性变化导致组合导航系统精度下降的问题,提出了一种基于改进交互多模型的多传感器数据融合容错组合导航算法。根据先验知识分别获取平稳运动和快速机动情况下系统建模噪声的统计特性下限值和上限值,等效系统模型建模噪声统计特性表示为这两种情况下建模噪声统计特性加权和,加权系数由相应传感器信息的似然函数在线计算获得。计算得到的等效系统模型作为状态传播器并行运行,设计了基于改进交互多模型的双状态传播卡方检验算法,选取具有最小故障检测值的传感器信息更新建模噪声统计特性加权系数;结合模糊自适应滤波算法,给出了基于改进交互多模型的多传感器容错算法详细步骤。仿真实验表明,该算法在SINS精度不是很高时,仍能较好地检测和处理量测子系统多种类型故障。(4)针对MEMS-SINS非线性特性较强导致扩展卡尔曼滤波算法难以处理多传感器容错融合的问题,提出了一种结合无迹卡尔曼滤波的多传感器容错融合算法;推导了基于无迹卡尔曼滤波的多传感器联邦滤波公式,设计了结合双状态传播卡方检验和无迹卡尔曼滤波的容错组合导航算法详细步骤;SINS模型输出的基准状态信息分别与各传感器的量测信息构成无迹卡尔曼滤波子系统,直接处理非线性系统,避免了线性化误差;通过模糊自适应容错滤波算法实时分配各量测子系统联邦滤波权重,得到系统的全局状态估计。仿真实验表明,该算法应用于MEMS-SINS组合导航系统时,能有效检测和处理量测子系统故障信息,提高系统容错性能。(5)为进一步验证本文所提多传感器容错组合导航算法有效性,设计了SINS/BDS/GPS/CNS组合导航系统地面跑车实验。构建了SINS/BDS/GPS/CNS组合导航系统模拟平台,星光导航数据通过高精度组合导航系统SPAN-CPT模拟获得,利用SPAN-CPT采集得到的高精度姿态数据,人为加入姿态误差,模拟星光导航系统得到的姿态数据。然后,进行了跑车实验,并采集组合导航系统实验数据。最后,运用采集得到的数据离线仿真,并人为加入故障数据,对比验证本文所提算法的有效性。(本文来源于《南京理工大学》期刊2017-07-01）
李胜男[7]（2017）在《无人机多源信息融合容错组合导航研究》一文中研究指出无人机在执行任务的过程中经受恶劣的电磁环境干扰和人为影响,单一组合的导航系统无法满足无人机平台运动特性和飞行环境对导航系统自主性、可靠性和精度的高要求。为此,本文结合无人机的飞行特性,对基于多源信息融合的容错组合导航技术进行相关研究,以期提出一套适用于无人机的高精度、高可靠性的组合导航方案,为实现无人机的自主导航提供理论依据。首先结合无人机的应用背景和工作特性,构建了基于联邦滤波器的SINS/GPS/CNS/SAR多组合导航方案,针对平均分配的信息分配系数无法满足反映局部状态量差异的缺陷,提出了一种基于优化信息因子的自适应联邦滤波算法,有效提高了导航精度。其次考虑到无人机在运行时出现的故障问题,研究了组合导航系统的故障检测算法。深入讨论了残差χ~2检测算法的算法原理,针对其对小值缓变故障检测不灵敏的缺陷,提出了基于特征值提取和改进阈值相结合的改进残差χ~2检测算法,有效地提高了系统对缓变故障的检测能力。进一步考虑缓变故障对子滤波器的局部状态量间影响的差异性,在深入研究序贯概率比检测算法的基础上,提出了基于序贯概率映射的自适应容错组合导航算法,通过序贯概率比构造反映信息故障水平的局部状态量的质量值,并根据质量值的结果进行自适应信息融合,有效地提高了缓变故障条件下多源信息融合导航系统的容错性。最后论文在上述多源信息组合导航的融合算法和两种故障检测算法的基础上,开展了无人机基于多源信息融合的容错组合导航仿真性能验证研究,设计搭建基于多源信息融合的容错组合导航的数字仿真系统,为实现无人机的容错导航提供仿真验证。(本文来源于《南京航空航天大学》期刊2017-03-01）
陈帅,蒋长辉,付梦印,薄煜明,赵琛[8]（2017）在《一种GNSS/SINS容错深组合导航系统设计》一文中研究指出卫星惯性深组合导航技术是卫星惯性组合导航领域最有前景的技术之一。深组合导航系统的关键技术之一就是矢量跟踪环路技术,当一个或者多个通道信号质量较差时,组合导航滤波器必然会受影响,从而会影响矢量跟踪环路的参数计算,因此通道运行状态的实时检测十分必要。针对此问题,为每个通道设计了新的通道子滤波器和对应的子滤波器状态检测函数,当通道存在故障时,能够及时检测出故障并对故障通道进行隔离;当通道恢复正常时,也能够及时检测到并充分利用恢复正常的通道卫星信号。仿真结果表明,在部分通道卫星信号被遮挡导致伪距异常的环境下,改进的矢量跟踪环路提高了矢量跟踪卫星惯性深组合的导航性能,有效遏制了故障通道对组合导航系统的影响。(本文来源于《中国惯性技术学报》期刊2017年01期）
董亮,臧中原,许东欢,仲科伟,张晓澈[9]（2017）在《一种惯性/卫星容错组合导航系统设计》一文中研究指出在高动态情况或城市峡谷中,GNSS卫星接收机容易丢星失锁,在信号干扰的情况下,GNSS卫星接收机会失效。针对上述情况,设计了一种惯性/卫星容错组合导航系统,详细介绍了惯性/卫星容错组合导航系统的设计方案,具体介绍了惯性/卫星组合导航系统可能出现的异常组合,针对不同的异常情况给出了相应的处理策略。该容错组合导航系统在GNSS卫星接收机异常的情况下可以提高组合导航系统的精度和可靠性。设计了仿真试验和跑车试验对该惯性/卫星容错组合导航系统进行验证,取得了较好的效果。(本文来源于《电光与控制》期刊2017年09期）
耿峰,祝小平,周洲[10]（2016）在《一种有效的组合导航容错滤波技术研究》一文中研究指出为解决INS/多天线GNSS/MHS/DNS组合导航系统,一个或多个传感器的导航信息出现错误,导致整个组合导航系统定位精度严重下降甚至无法定位的问题,提出一种多模式联邦高斯和粒子容错滤波技术,提高组合导航系统的鲁棒性。该滤波技术基于无重置联邦滤波结构,考虑到组合系统的非线性非高斯特性,局部滤波采用高斯和粒子滤波算法,以提高滤波精度,同时利用粒子似然函数方法,进行局部滤波器故障检测并隔离,进而,根据检测与隔离结果,进行全局滤波模式切换与全局最优估计,最终得到精确可靠的导航信息。仿真分析结果表明,多模式联邦高斯和粒子容错滤波技术是有效的,在多个子系统出现故障情况下,组合导航系统仍能提供精确的导航信息。(本文来源于《西北工业大学学报》期刊2016年03期）
容错组合导航论文开题报告
（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：
自主水下航行器(Autonomous Underwater Vehicle,AUV)作为人类探索和开发海洋的重要工具,在我国海洋发展战略中起重要作用。AUV导航系统为其提供位置、速度、姿态等信息,准确可靠的导航信息是AUV成功执行任务的保证之一。本文以AUV组合导航系统容错技术为主题,对AUV容错组合导航系统建模、多传感器异步信息融合、故障检测技术、导航传感器短时失效处理方法、AUV组合导航系统容错滤波算法等关键技术进行了研究。具体研究内容和结论如下:1.针对AUV导航系统较高的可靠性需求,设计了基于无反馈联邦滤波的AUV容错组合导航系统结构。为每个局部滤波器设置故障检测模块和故障隔离决策模块,有利于及时检测故障并做出应对处理,以避免故障交叉感染。分析AUV常用导航传感器/系统的工作原理,建立以捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)为参考系统的组合导航系统误差模型。2.针对AUV多传感器组合导航系统中由于各传感器采样频率不同而造成的异步信息融合问题,提出基于多尺度的异步信息融合算法。在不考虑量测滞后的情况下,利用数学归纳法递推得到基于多尺度的系统模型,并针对有无辅助量测信息的时刻分别推导融合估计算法;在考虑量测滞后的情况下,通过状态和观测的分块和扩维得到基于多尺度的系统模型,利用不同尺度上的观测信息对目标状态进行估计,推导以数据块为单位的融合估计算法。在异步量测的SINS、DVL和TAN构成的AUV组合导航系统中,分别针对不考虑和考虑量测滞后的两种情况进行仿真,结果表明基于多尺度的信息融合算法与基于单一尺度的信息融合算法相比提高了异步信息融合精度,从而有利于提高AUV组合导航系统多传感器异步量测情况下的定位精度。3.AUV工作环境中许多不确定因素会影响导航传感器量测的稳定性和准确性,甚至可能导致传感器发生故障,针对渐变故障不易检测的问题,提出基于高斯过程回归的故障检测方法。利用粒子群优化算法辅助求取高斯过程回归模型的最优超参数,将训练好的高斯过程回归模型用于预测滤波新息,并基于此构建新颖的故障检测函数,有效增大了系统无故障和有故障时故障检测函数值的差异,从而增强了该故障检测方法对渐变故障的敏感度。通过基于跑车数据的半物理仿真实验进行验证,结果表明基于高斯过程回归的故障检测方法能及时检测突变故障和渐变故障,尤其在检测渐变故障时,与残差卡方故障检测法相比具有明显的快速性。基于高斯过程回归故障检测方法的提出有利于AUV组合导航系统在导航传感器发生故障时及时做出隔离处理,从而有助于保证复杂工作条件下AUV导航结果的准确性。4.针对AUV导航传感器DVL易发生短时失效的情况,提出基于偏最小二乘回归和支持向量回归的双模型复合处理方法,利用复合量测估计器的预测结果代替DVL量测信息用于组合导航。为克服失效时刻偶然因素对估计结果带来的不良影响,采用失效时刻及其前期时刻的SINS解算信息作为训练输入,针对该自变量具有多重相关性的情况,采用偏最小二乘回归建立估计器模型,以保证所建模型的稳健性。为进一步提高估计精度,引入支持向量回归这一非线性回归模型建立估计器以预测偏最小二乘回归预测后的残余部分。通过数学仿真和半物理仿真验证了所提复合量测估计器可有效提高传感器短时失效情况下的系统导航结果精度,从而有利于保障恶劣工作环境下AUV组合导航系统的可靠性。5.针对AUV组合导航系统高精度高可靠性的需求,提出基于模糊逻辑的智能容错滤波算法。考虑量测噪声先验知识不充分的问题,利用模糊逻辑实现量测噪声方差阵的自适应调整。在故障检测的基础上,引入量测可信度这一变量,通过模糊推理确定量测可信度的取值,并以此调节对量测信息的利用率。综合自适应局部滤波、故障检测算法和故障隔离算法,设计基于模糊逻辑的AUV组合导航系统容错滤波算法流程。通过基于SINS/MCP/DVL/TAN的组合导航系统进行仿真验证,结果表明模糊容错滤波算法可有效避免突变故障和渐变故障引起的导航精度下降问题,从而有利于提高AUV组合导航系统的容错性能。基于上述研究,AUV组合导航系统的准确性和容错性得到较大提高,从而有利于增强AUV的可靠性和安全性。
（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。
容错组合导航论文参考文献
[1].张闯,赵修斌,庞春雷,冯波,高超.SINS/GNSS/CNS组合导航自适应容错联邦滤波方法[J].控制理论与应用.2019
[2].朱倚娴.AUV组合导航系统容错关键技术研究[D].东南大学.2018
[3].郭慧娟,刘慧英,石静,孙景峰.基于自适应分类容错滤波的SINS/GNSS组合导航方法[J].中国惯性技术学报.2018
[4].姜春东.无人艇SINS/GPS/DVL容错组合导航方法研究[D].哈尔滨工程大学.2018
[5].查月.舰船全天时高精度容错组合导航系统设计与验证[J].计算机测量与控制.2017
[6].杨春.组合导航系统的故障检测与容错技术研究[D].南京理工大学.2017
[7].李胜男.无人机多源信息融合容错组合导航研究[D].南京航空航天大学.2017
[8].陈帅,蒋长辉,付梦印,薄煜明,赵琛.一种GNSS/SINS容错深组合导航系统设计[J].中国惯性技术学报.2017
[9].董亮,臧中原,许东欢,仲科伟,张晓澈.一种惯性/卫星容错组合导航系统设计[J].电光与控制.2017
[10].耿峰,祝小平,周洲.一种有效的组合导航容错滤波技术研究[J].西北工业大学学报.2016