智能网联汽车CPS中基于模糊理论的定位与分簇算法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第13-21页 |
1.1 研究背景和意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-19页 |
1.2.1 智能网联汽车国内外研究现状 | 第14-15页 |
1.2.2 CPS国内外研究现状 | 第15-16页 |
1.2.3 车辆定位国内外研究现状 | 第16-17页 |
1.2.4 车辆分簇国内外研究现状 | 第17-19页 |
1.3 论文研究内容 | 第19-20页 |
1.4 论文组织结构 | 第20-21页 |
第2章 相关知识和理论 | 第21-37页 |
2.1 车辆定位相关知识 | 第21-25页 |
2.1.1 全球定位系统 | 第21-22页 |
2.1.2 无线保真定位技术 | 第22-24页 |
2.1.3 蜂窝网络定位技术 | 第24-25页 |
2.2 车辆分簇相关知识 | 第25-28页 |
2.2.1 移动自组织网络的典型分簇算法 | 第25-27页 |
2.2.2 车载自组织网络分簇算法 | 第27-28页 |
2.3 模糊理论 | 第28-33页 |
2.3.1 模糊集合与隶属函数 | 第28-29页 |
2.3.2 模糊相似矩阵 | 第29-31页 |
2.3.3 模糊控制器 | 第31-33页 |
2.4 卡尔曼滤波理论 | 第33-36页 |
2.4.1 基本卡尔曼滤波器 | 第34-35页 |
2.4.2 扩展卡尔曼滤波器 | 第35-36页 |
2.5 本章小结 | 第36-37页 |
第3章 基于CPS的定位与分簇融合框架 | 第37-46页 |
3.1 CPS技术 | 第37-39页 |
3.1.1 基本定义 | 第37-38页 |
3.1.2 系统特性 | 第38页 |
3.1.3 体系结构 | 第38-39页 |
3.2 智能网联汽车 | 第39-42页 |
3.2.1 基本定义 | 第39-40页 |
3.2.2 体系结构 | 第40-41页 |
3.2.3 关键技术 | 第41-42页 |
3.3 智能网联汽车定位与分簇的融合 | 第42-45页 |
3.3.1 智能网联汽车和CPS的关联性 | 第42-43页 |
3.3.2 CPS用于智能网联汽车的技术要求 | 第43页 |
3.3.3 定位和分簇的融合框架 | 第43-45页 |
3.4 本章小结 | 第45-46页 |
第4章 基于模糊理论的复合定位算法(CPFT) | 第46-61页 |
4.1 CPFT算法模型 | 第46-47页 |
4.2 模糊加权定位机制 | 第47-50页 |
4.2.1 离群率和绝对误差的计算 | 第47-48页 |
4.2.2 模糊控制器的设计 | 第48-50页 |
4.2.3 目标车辆的复合位置 | 第50页 |
4.3 模糊卡尔曼滤波 | 第50-54页 |
4.3.1 观测噪声协方差的模糊自适应调节 | 第51-53页 |
4.3.2 模糊卡尔曼滤波器参数的计算 | 第53-54页 |
4.4 CPFT算法 | 第54-56页 |
4.5 仿真实验与分析 | 第56-60页 |
4.5.1 平均误差分析 | 第57-58页 |
4.5.2 误差累积分布函数分析 | 第58-60页 |
4.6 本章小结 | 第60-61页 |
第5章 基于定位信息的模糊分簇算法(FCLI) | 第61-75页 |
5.1 FCLI算法模型 | 第61-62页 |
5.2 簇的初始化与生成 | 第62-66页 |
5.2.1 方向的划分 | 第62-63页 |
5.2.2 簇头能力参数 | 第63-65页 |
5.2.3 FCLI簇生成算法 | 第65-66页 |
5.3 簇的更新与维护 | 第66-70页 |
5.3.1 位置预测 | 第67页 |
5.3.2 临界簇成员 | 第67-68页 |
5.3.3 FCLI簇维护算法 | 第68-70页 |
5.4 数据包格式 | 第70-71页 |
5.5 仿真实验与分析 | 第71-74页 |
5.5.1 平均簇头变化次数分析 | 第71-73页 |
5.5.2 平均孤立节点数量分析 | 第73-74页 |
5.6 本章小结 | 第74-75页 |
结论 | 第75-77页 |
参考文献 | 第77-83页 |
附录A (攻读硕士学位期间发表的学术论文目录) | 第83-84页 |
附录B (攻读硕士学位期间参与项目目录) | 第84-85页 |
致谢 | 第85页 |