| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·智能交通系统的基本概念及发展历程 | 第9页 |
| ·车载传感器网络的概念与应用 | 第9-10页 |
| ·车载传感器网络在公共交通中应用的研究背景、研究意义 | 第10-11页 |
| ·车载传感器网络的国内外进展与现状 | 第11-12页 |
| ·本文的主要工作 | 第12-14页 |
| 2 车载传感器网络的系统及应用 | 第14-22页 |
| ·系统基本结构 | 第14-16页 |
| ·嵌入式车载系统平台 | 第15页 |
| ·中心处理系统 | 第15-16页 |
| ·嵌入式车载试验平台 | 第16页 |
| ·系统基本功能 | 第16-19页 |
| ·嵌入式车载传感器及其控制系统 | 第16-17页 |
| ·数据交换接口 | 第17-19页 |
| ·基于GIS的数据呈现系统 | 第19-20页 |
| ·基于车载传感器网络的路面状况监测系统 | 第20-22页 |
| 3 基于车载式3D加速度传感器的数据预处理 | 第22-41页 |
| ·通信系统中常见噪声及去噪算法 | 第22-23页 |
| ·信号性能分析 | 第23-27页 |
| ·基于3D加速度传感器的信号频谱分析 | 第23-26页 |
| ·数字滤波器的基本原理及缺点 | 第26-27页 |
| ·奇异值分解(SVD)去噪法 | 第27-31页 |
| ·奇异值(SVD)分解降噪原理 | 第27-29页 |
| ·实验结果及分析 | 第29-31页 |
| ·自适应滤波去噪法 | 第31-36页 |
| ·自适应滤波去噪的基本原理 | 第32-34页 |
| ·实验结果及分析 | 第34-36页 |
| ·经验模式分解去噪法 | 第36-40页 |
| ·经验模式分解去噪法的基本原理 | 第36-38页 |
| ·实验结果及分析 | 第38-40页 |
| ·小结 | 第40-41页 |
| 4 基于车载式3D加速度传感器的路面异常事件提取 | 第41-51页 |
| ·高斯混合背景模型法的概念及应用 | 第41-42页 |
| ·几种常见的背景建模方法 | 第42-45页 |
| ·单高斯背景模型法 | 第42-43页 |
| ·中值滤波背景建模方法 | 第43页 |
| ·卡尔曼滤波背景建模方法 | 第43-45页 |
| ·高斯混合背景建模算法 | 第45-48页 |
| ·高斯混合模型参数估计 | 第46-47页 |
| ·异常事件提取 | 第47-48页 |
| ·高斯混合背景模型方法与其他方法的比较 | 第48-50页 |
| ·小结 | 第50-51页 |
| 5 基于车载式3D加速度传感器的路面异常事件的分类 | 第51-62页 |
| ·基于EMD的事件特征提取 | 第52-54页 |
| ·支持向量机(SVM)的概念与原理 | 第54-56页 |
| ·支持向量机的基本概念 | 第54页 |
| ·支持向量机的原理 | 第54-56页 |
| ·k近邻算法(KNN)的概念与原理 | 第56-58页 |
| ·什么是k近邻算法 | 第57页 |
| ·k近邻算法的原理 | 第57-58页 |
| ·SVM与KNN的比较 | 第58页 |
| ·基于SVM的路面异常事件的分类结果与分析 | 第58-61页 |
| ·小结 | 第61-62页 |
| 6 总结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |