SpacecraftAutonomousNavigationTechnologiesBasedonMulti

图书标准信息

• 作者 Xiangyu 著；Dayi、Wang、Maodeng、Li、Peijian Ye 编
• 出版社 北京理工大学出版社
• 出版时间 2020-09
• 版次 1
• ISBN 9787568290081
• 定价 126.00元
• 装帧 精装
• 开本 16开
• 纸张 胶版纸
• 页数 340页

【内容简介】

  This book introduces readers to the fundamentals of estimation and dynamical system theory， and their applications in the field of multi-source information fused autonomous navigation for spacecraft. The content is divided into two parts： theory and application. The theory part （Part I） covers the mathematical background of navigation algorithm design， including parameter and state estimate methods， linear fusion， centralized and distributed fusion， observability analysis， Monte Carlo technology， and linear covariance analysis. In turn， the application part （Part II） focuses on autonomous navigation algorithm design for different phases of deep space missions， which involves multiple sensors， such as inertial measurement units， optical image sensors， and pulsar detectors. By concentrating on the relationships between estimation theory and autonomous navigation systems for spacecraft， the book bridges the gap between theory and practice. A wealth of helpful formulas and various types of estimators are also included to help readers grasp basic estimation concepts and offer them a ready reference guide.

【作者简介】

王大轶，研究员，现任中国空间技术研究院总体部副部长，中国宇航学会英文刊Advances in Astronautics Science and Technology（《航天科技前沿》）编委，国家杰出青年科学基金获得者，国防科技卓越青年科学基金获得者，国家万人计划科技创新领军人才，“973项目”技术首席专家。在航天器自主导航与控制领域进行创新研究工作，解决了一系列关键技术问题，为嫦娥月球探测器等型号飞行试验成功做出了贡献。2016年获何梁何利基金科学与技术创新奖，2017年入选***百千万人才工程，是国务院政府特殊津贴专家、国家有突出贡献中青年专家。获国家技术发明二等奖1项，部级一等奖4项、二等奖4项。

【目录】

1 Introduction
1．1 Autonomous Navigation Technology
1．1．1 Inertial Navigation
1．1．2 Autonomous Optical Navigation
1．1．3 Autonomous Pulsar-Based Navigation
1．2 Multi-source Information Fusion Technology
1．2．1 Definition of Multi-source Information Fusion
1．2．2 Classification of Multi-source Information Fusion Technologies
1．2．3 Multi-source Information Fusion Methods
1．3 Autonomous Navigation Technology Based on Multi-source Information Fusion
1．3．1 Research and Application Progress
1．3．2 Necessity and Advantages
1．4 Outline
References

2 Point Estimation Theory
2．1 Basic Concepts
2．2 Common Parameter Estimators
2．2．1 MMSE Estimation
2．2．2 ML Estimator
2．2．3 Maximum a Posteriori （MAP） Estimator
2．2．4 Weight Least-Square （WLS） Estimator
2．3 Closed Form Parameter Estimators
2．3．1 Linear Estimator
2．3．2 MMSE Estimator for Jointly Gaussian Distribution
2．3．3 Estimation Algorithms for Linear Measurement Equation
2．4 State Estimation Algorithms in Dynamic Systems
2．4．1 Recursive Bayesian Estimation
2．4．2 Kalman Filtering
2．4．3 Extended Kalman Filtering
2．4．4 Unscented Kalman Filtering
2．4．5 Constrained Kalman Filtering
2．5 Brief Summary
References
……

3 Estimation Fusion Algorithm
4 Performance Analysis
5 Time and Coordinate Systems
6 Dynanuc Models and Environment Models
7 Inertial Autonomous Navigation Technology
8 Optical Autonomous Navigation Technology
9 Optical/Pulsar Integrated Autonomous Navigation Technology
10 Altimeter and Velocimeter-/Optical-Aided Inertial Navigation Technology
11 Simulation Testing Techniques for Autonomous Navigation Based on Multi-source Information Fusion
12 Prospect for Multi-source Information Fusion Navigation

Appendix