工学博士学位论文 目前，扩展卡尔曼滤波是研究初始对准和惯性/GPS组合导航问题的一个主要手段。 但初始对准和惯性/GPS组合导航问题本质上是非线性的，对模型进行线性化的扩展卡 尔曼滤波在一定程度上影响了系统的性能。近年来，直接使用非线性模型的 UKF(Unscented Kalman Filtering, UKF)和粒子滤波，正在逐渐成为研究非线性估计问题 的热点和有效方法。 本文研究了UKF和粒子滤波两种非线性滤波方法，并将其应用于非线性静基座对 准和惯性

这是几篇有关捷联惯导初始对准的期刊论文,有粒子滤波和自适应滤波,内容丰富-This is surprisingly few articles about the SINS initial alignment of journal articles, with particle filter and adaptive filtering, content-rich

基于卡尔曼滤波和粒子滤波器级联模型的静基座惯导初始对准算法及仿真-Based on the Kalman filter and particle filter cascade model static base INS initial alignment algorithm and simulation

基于卡尔曼滤波和粒子滤波器级联模型的静基座惯导初始对准算法及仿真()