仿生偏振光罗盘信息处理技术

第1章 绪论 001
1.1 发展背景与研究意义 003
1.2 仿生偏振光定向方法 005
1.3 仿生偏振光罗盘定向误差处理方法 012
1.4 仿生偏振光罗盘／惯导组合定向系统与方法 018
第2章 大气偏振模式的定向方法与系统 023
2.1 大气偏振模式的定向方法 025
2.1.1 大气偏振模式的中性点特性分析及自动识别 025
2.1.2 基于太阳子午线的成像式仿生偏振光罗盘定向算法 028
2.2 基于FPGA的仿生偏振光罗盘设计与集成 033
2.3 仿生偏振光罗盘定向试验 037
2.3.1 静态定向试验 040
2.3.2 转台动态定向试验 042
2.3.3 无人机机载动态试验 043
2.4 本章小结 046

第3章 仿生偏振光罗盘噪声处理技术 049
3.1 仿生偏振光罗盘噪声分析 051
3.1.1 偏振角图像噪声产生机理及特性分析 051
3.1.2 航向角数据噪声产生机理及特性分析 055
3.2 基于多尺度变换的仿生偏振光罗盘图像去噪技术 058
3.2.1 基于多尺度变换的偏振角图像去噪技术 060
3.2.2 基于BEMD的MS-PCA仿生偏振光罗盘图像去噪技术 063
3.2.3 基于BEMD的MS-PCA偏振角图像去噪方法验证 066
3.3 仿生偏振光罗盘数据去噪技术 078
3.3.1 基于多尺度变换的仿生偏振光罗盘数据去噪技术 078
3.3.2 基于EEMD的MS-TFPF仿生偏振光罗盘数据去噪技术 081
3.4 基于多尺度变换的仿生偏振光罗盘数据去噪测试 088
3.5 本章小结 098
第4章 仿生偏振光罗盘定向误差建模与补偿技术 101
4.1 偏振光定向误差分析与模型介绍 103
4.1.1 偏振光定向误差分析 103
4.1.2 偏振光定向误差模型构建 107
4.2 典型神经网络模型 109
4.2.1 循环神经网络（RNN） 109
4.2.2 长短期记忆（LSTM）神经网络 112
4.2.3 门控循环单元（GRU）神经网络 119
4.3 基于GRU深度学习神经网络的
仿生偏振光罗盘定向误差建模与补偿 123
4.4 基于GRU深度学习神经网络的
仿生偏振光罗盘定向误差模型试验验证 128
4.5 本章小结 131
第5章 仿生偏振光罗盘／惯导无缝组合定向方法与系统 133
5.1 仿生偏振光罗盘／惯导无缝组合定向系统 135
5.2 仿生偏振光罗盘／惯导无缝组合定向模型构建 138
5.3 基于自学习多频率残差校正的
仿生偏振光罗盘／惯导无缝组合定向方法 141
5.4 仿生偏振光罗盘／惯导无缝组合定向方法试验验证 148
5.5 本章小结 155
第6章 总结与展望 157
6.1 仿生偏振光罗盘智能信息处理技术总结 159
6.2 研究展望 161
参考文献 162