题目：捷联惯导系统中的非线性信息处理方法应用研究

在引起惯导系统误差的各种因素中，陀螺噪声是主要的一项。光学陀螺输出信号中所含噪声又有别于机械陀螺，因而，研究光学陀螺输出信号中的各类随机噪声，对其进行建模、消噪处理是有实际意义的。对陀螺信号的随机建模是建立在对信号噪声特性的统计分析的基础之上的，文中对环形激光陀螺的采样数据序列进行了全面的统计分析，建立了时间序列模型。结果表明所建模型能在一定程度上反映噪声特性。进一步的分析表明，由于实际上采样序列在不同的数据规模和不同的时间段可能会表现出非线性的特点，于是，在陀螺信号的建模方法中首次引入了函数系数自回归模型，这是一种处理非线性建模问题的非参数方法，并给出了模型带宽的选择方案。建模结果表明，这种方法能有效提高建模的准确性，大大减小建模残差。在陀螺信号的消噪方面，为了能够更好地反映噪声的变化，达到较为理想的消噪效果，文中摒弃了通常采用的频域滤波的方法，从时频分析的视角对信号进行分析，引入了经验模式分解法。分析表明，陀螺信号中所含噪声的频率是时间的函数，通过将噪声序列分解为不同的模式分量并从原始序列中去掉它们，便可以达到消噪的目的。针对传统的经验模式分解法中存在的筛选速度慢、边界特性差的缺陷，进行了进一步的研究，提出了使用拟中值滤波一次性获取中值序列的思想，并用一种新的曲线拟合方法，在保证滤波效果的同时较好地提高了筛选速度，改善了边界特性。卡尔曼滤波器在动力学系统的状态估计中已经得到了广泛的应用，在INS与GPS组合的导航系统中，人们也经常使用卡尔曼滤波的方法进行状态估计，然后再对系统的位置、速度和姿态信息进行及时的修正。然而，使用卡尔曼滤波进行系统的状态估计时要求确知系统的噪声的统计特性，而在实际应用中该特性往往是无法精确得到的，这样，状态估计的效果就会大打折扣。本文针对这一问题，提出了一种无需确知系统的噪声统计特性即可进行状态估计的神经网络方法，经过仿真计算，效果较好。本文的最后，还就陀螺稳定光电探测系统的研制进行了部分介绍。集中介绍了 系统的设计及部分实验结果。