基于动态贝叶斯网络的低成本高架桥识别技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第16-25页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-22页 |
| 1.2.1 GPS高架桥识别技术 | 第17-21页 |
| 1.2.2 DBN的发展 | 第21-22页 |
| 1.3 研究内容和创新点 | 第22-23页 |
| 1.4 论文结构安排 | 第23-24页 |
| 1.5 本章小结 | 第24-25页 |
| 第二章 系统测量原理 | 第25-35页 |
| 2.1 GPS系统 | 第25-32页 |
| 2.1.1 GPS概述 | 第25-26页 |
| 2.1.2 GPS定位原理 | 第26-28页 |
| 2.1.3 定位误差的方差分析 | 第28-30页 |
| 2.1.4 常见坐标系及旋转变换 | 第30-32页 |
| 2.2 惯性导航系统 | 第32-33页 |
| 2.2.1 惯性传感器分类 | 第32页 |
| 2.2.2 气压计测高原理 | 第32-33页 |
| 2.3 高程定义 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于动态贝叶斯网络的决策模型构建 | 第35-51页 |
| 3.1 DBN基本思想 | 第35-41页 |
| 3.1.1 静态BN | 第35-36页 |
| 3.1.2 DBN表达推导 | 第36-39页 |
| 3.1.3 DBN的学习 | 第39-41页 |
| 3.2 基于DBN的高架桥识别模型设计及学习 | 第41-49页 |
| 3.2.1 建立混合隐状态DBN模型 | 第41-44页 |
| 3.2.2 车辆行驶高架桥确定模型 | 第44-47页 |
| 3.2.3 状态转移模型 | 第47-48页 |
| 3.2.4 观测模型 | 第48-49页 |
| 3.3 本章小结 | 第49-51页 |
| 第四章 动态贝叶斯网络的PF近似推理研究 | 第51-70页 |
| 4.1 动态系统的概率推理 | 第51-53页 |
| 4.2 无迹卡尔曼滤波算法 | 第53-55页 |
| 4.3 SIR粒子滤波算法 | 第55-61页 |
| 4.3.1 序贯重要性采样 | 第55-57页 |
| 4.3.2 算法框架 | 第57-58页 |
| 4.3.3 仿真结果分析 | 第58-61页 |
| 4.4 重采样优化算法性能分析 | 第61-66页 |
| 4.4.1 算法思想 | 第61-63页 |
| 4.4.2 实验仿真 | 第63-66页 |
| 4.5 DBN求解步骤 | 第66-68页 |
| 4.6 本章小结 | 第68-70页 |
| 第五章 实验数据分析 | 第70-85页 |
| 5.1 单频纯GPS数据识别模型 | 第70-81页 |
| 5.1.1 实验设计 | 第70-72页 |
| 5.1.2 二项逻辑回归学习 | 第72-74页 |
| 5.1.3 高架桥识别结果 | 第74-79页 |
| 5.1.4 结果评估 | 第79-81页 |
| 5.2 气压计辅助的低成本识别 | 第81-84页 |
| 5.2.1 安卓中气压数据提取 | 第81-83页 |
| 5.2.2 实验结果与分析 | 第83-84页 |
| 5.3 本章小结 | 第84-85页 |
| 第六章 总结与展望 | 第85-88页 |
| 6.1 工作总结 | 第85-86页 |
| 6.2 研究展望 | 第86-88页 |
| 参考文献 | 第88-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士学位期间的研究工作 | 第96页 |
