| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 基于GNSS信号处理定位研究现状 | 第10-11页 |
| 1.2.2 基于 3D建筑模型的SM定位研究现状 | 第11页 |
| 1.2.3 基于非线性滤波的多源信息融合定位研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容 | 第13-14页 |
| 第二章 基于高分值加权的改进SM定位算法研究 | 第14-38页 |
| 2.1 SM定位原理 | 第14-17页 |
| 2.2 实验场景中 3D建筑模型构建 | 第17-22页 |
| 2.2.1 基于RTK的基准点测量 | 第17-20页 |
| 2.2.2 基于全站仪的建筑物顶点测量 | 第20-22页 |
| 2.2.3 3D建筑模型的构建 | 第22页 |
| 2.3 基于 3D建筑模型的卫星可见性预测 | 第22-26页 |
| 2.3.1 GPS星历计算卫星位置 | 第22-25页 |
| 2.3.2 GPS卫星的可见性预测 | 第25-26页 |
| 2.4 基于高分值加权的改进SM定位算法 | 第26-28页 |
| 2.5 实验结果分析 | 第28-37页 |
| 2.5.1 GPS卫星预测可见性分析 | 第28-29页 |
| 2.5.2 GPS卫星观测可见性分析 | 第29-31页 |
| 2.5.3 SM定位结果分析 | 第31-33页 |
| 2.5.4 基于高分值加权的改进SM定位结果分析 | 第33-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 基于粒子滤波的改进SM/GPS融合定位算法 | 第38-59页 |
| 3.1 滤波算法基本原理 | 第38-50页 |
| 3.1.1 卡尔曼滤波 | 第38-40页 |
| 3.1.2 扩展卡尔曼滤波 | 第40-42页 |
| 3.1.3 无迹卡尔曼滤波 | 第42-46页 |
| 3.1.4 粒子滤波 | 第46-50页 |
| 3.2 基于粒子滤波的改进SM定位算法 | 第50-52页 |
| 3.2.1 模型的建立 | 第50-51页 |
| 3.2.2 模型的求解 | 第51-52页 |
| 3.3 基于粒子滤波的改进SM/GPS融合定位算法 | 第52-53页 |
| 3.3.1 模型的建立 | 第52-53页 |
| 3.3.2 模型的求解 | 第53页 |
| 3.4 实验结果分析 | 第53-58页 |
| 3.4.1 SM动态定位实验分析 | 第53-56页 |
| 3.4.2 基于粒子滤波的改进SM定位算法实验分析 | 第56页 |
| 3.4.3 基于粒子滤波的改进SM/GPS融合定位算法实验分析 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 基于粒子滤波的INS/磁力计融合定位算法研究 | 第59-66页 |
| 4.1 智能终端传感器介绍 | 第59-60页 |
| 4.2 基于粒子滤波的INS/磁力计融合定位算法研究 | 第60-61页 |
| 4.2.1 模型的建立 | 第60页 |
| 4.2.2 模型的求解 | 第60-61页 |
| 4.3 实验结果分析 | 第61-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 工作总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 个人简历 在读期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
