首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文--传感器的应用论文

基于地图信息及MEMS传感器的室内行人导航算法

摘要第5-7页
abstract第7-8页
文中英文缩写词全称及含义第9-13页
第1章 绪论第13-30页
    1.1 课题的研究目的及意义第13-15页
    1.2 室内行人导航系统的发展现状第15-25页
        1.2.1 室内行人导航系统的定位方法第16-22页
        1.2.2 相关室内导航定位产品第22-25页
    1.3 论文主要研究内容第25-30页
第2章 单一室内行人导航系统的搭建第30-47页
    2.1 基于MEMS惯性传感器的导航算法第30-36页
        2.1.1 坐标系定义第30-31页
        2.1.2 惯性导航解算算法第31-32页
        2.1.3 行人航位推算算法第32-35页
        2.1.4 惯性导航系统初始化第35-36页
    2.2 WI-FI定位算法第36-39页
        2.2.1 Wi-Fi三边测量定位算法第37-38页
        2.2.2 Wi-Fi指纹识别算法第38-39页
    2.3 导航滤波算法第39-43页
        2.3.1 卡尔曼滤波算法第39-40页
        2.3.2 贝叶斯估计算法第40-41页
        2.3.3 粒子滤波算法第41-43页
    2.4 基于地图的导航定位算法第43-46页
        2.4.1 地图辅助算法第44-45页
        2.4.2 地图匹配算法第45-46页
    2.5 本章小结第46-47页
第3章 基于惯性器件和WI-FI组合的室内定位算法第47-75页
    3.1 基于扩展卡尔曼滤波的惯性导航误差修正算法第47-50页
        3.1.1 非完全约束修正第47-49页
        3.1.2 零速修正第49-50页
    3.2 WI-FI/INS组合导航算法第50-53页
        3.2.1 Wi-Fi位置估计算法第50-53页
        3.2.2 基于EKF的Wi-Fi/INS组合导航算法第53页
    3.3 WI-FI/INS组合导航算法试验第53-73页
        3.3.1 传感器及试验环境第54-56页
        3.3.2 参考轨迹的生成第56-58页
        3.3.3 试验及结果分析第58-73页
    3.4 本章小结第73-75页
第4章 基于粒子滤波的地图辅助算法第75-101页
    4.1 粒子滤波实现地图辅助算法第75-80页
        4.1.1 传统粒子滤波第76-77页
        4.1.2 辅助粒子滤波算法第77-79页
        4.1.3 回溯粒子滤波算法第79-80页
    4.2 INS与地图级联结构组合导航算法第80-81页
    4.3 室内地图信息的获取第81-84页
    4.4 基于粒子滤波的地图辅助导航算法第84-86页
    4.5 有效粒子判别算法第86-88页
    4.6 基于地图辅助导航算法的试验第88-99页
        4.6.1 试验传感器介绍第88-89页
        4.6.2 多种粒子算法比较第89-92页
        4.6.3 MA/INS导航算法试验及结果分析第92-99页
    4.7 本章小结第99-101页
第5章 地图匹配导航算法及综合试验第101-130页
    5.1 轨迹骨骼地图的获取第101-103页
    5.2 地图匹配算法的结构第103-104页
    5.3 地图匹配算法的实现第104-107页
    5.4 综合试验及结果分析第107-129页
        5.4.1 MM/MA辅助INS综合试验及结果分析第108-121页
        5.4.2 MM/MA辅助Wi-Fi/INS组合导航算法综合试验及结果分析第121-129页
    5.5 本章小结第129-130页
结论第130-134页
参考文献第134-144页
攻读博士学位期间发表的论文和取得的科研成果第144-147页
致谢第147页

论文共147页,点击 下载论文
上一篇:期权契约与现货市场联合采购下的供应链协调与优化机制研究
下一篇:冷链物流网络选址—路径—库存多目标优化模型及应用