| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| 第1章 绪论 | 第12-16页 |
| ·课题背景 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·论文结构安排 | 第14-16页 |
| 第2章 GPS 导航基本原理 | 第16-23页 |
| ·卫星导航定位原理 | 第16-20页 |
| ·GPS 卫星定位系统的组成 | 第16-17页 |
| ·GPS 卫星的信号的结构 | 第17-18页 |
| ·GPS 定位原理 | 第18-20页 |
| ·GPS 的完好性 | 第20-22页 |
| ·完好性概述 | 第21页 |
| ·接收机自主完好性监测（RAIM） | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 粒子滤波理论 | 第23-35页 |
| ·贝叶斯估计理论 | 第23-25页 |
| ·序贯蒙特卡罗信号处理 | 第25-28页 |
| ·粒子滤波算法 | 第28-34页 |
| ·标准粒子滤波算法 | 第28-30页 |
| ·标准粒子滤波算法的缺陷和常用改进方法 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于 BP 神经网络的粒子滤波及其在 GPS 中的应用 | 第35-63页 |
| ·BP 神经网络基本理论 | 第35-41页 |
| ·人工神经网络概述及神经元的模型 | 第36-37页 |
| ·BP 神经网络 | 第37-41页 |
| ·基于 BP 神经网络的粒子滤波算法 | 第41-48页 |
| ·基于 BP 神经网络的粒子滤波（NNWA-PF）算法 | 第42-44页 |
| ·实验仿真与结果分析 | 第44-48页 |
| ·NNWA-PF 算法在 GPS 中的应用 | 第48-62页 |
| ·系统的状态方程与量测方程 | 第49-50页 |
| ·LLR 检验用于 RAIM 的原理 | 第50-53页 |
| ·实测实验与结果分析 | 第53-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 基于广义回归神经网络的粒子滤波及其在 GPS 中的应用 | 第63-88页 |
| ·广义回归神经网络 | 第63-67页 |
| ·广义回归神经网络的基本理论及其网络结构 | 第64-65页 |
| ·光滑因子的优化 | 第65-67页 |
| ·基于广义回归神经网络的粒子滤波算法 | 第67-73页 |
| ·基于 GRNN 神经网络的粒子滤波（NNISA-PF）算法 | 第67-69页 |
| ·实验仿真与结果分析 | 第69-73页 |
| ·NNISA-PF 算法在 GPS 中的应用 | 第73-86页 |
| ·基于 NNISA－PF 的 RAIM 算法 | 第73-78页 |
| ·实测实验与结果分析 | 第78-86页 |
| ·本章小结 | 第86-88页 |
| 结论 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94-95页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第95页 |
