| 致谢 | 第5-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第12-20页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 无线定位技术发展及其在轨道交通领域的应用 | 第14-16页 |
| 1.2.2 列车组合定位技术 | 第16-17页 |
| 1.3 论文主要研究内容及结构 | 第17-20页 |
| 2 基于无线信号强度的城轨列车定位方法 | 第20-46页 |
| 2.1 无线定位技术介绍 | 第20-28页 |
| 2.1.1 Range-free型无线定位 | 第20-23页 |
| 2.1.2 Range-based型无线定位 | 第23-26页 |
| 2.1.3 无线定位技术比较 | 第26-28页 |
| 2.2 基于深度学习的城轨列车指纹定位算法 | 第28-44页 |
| 2.2.1 深度学习基本理论 | 第28-39页 |
| 2.2.2 列车指纹定位模型 | 第39-42页 |
| 2.2.3 仿真验证 | 第42-44页 |
| 2.3 本章小结 | 第44-46页 |
| 3 RSS/INS/GNSS组合定位方法 | 第46-62页 |
| 3.1 数据预处理 | 第46-53页 |
| 3.1.1 加速度数据预处理 | 第46-50页 |
| 3.1.2 基于无线信号强度所得列车位置区间预处理 | 第50-53页 |
| 3.2 INS/GNSS传感器数据融合算法 | 第53-58页 |
| 3.2.1 运动载体“当前”统计模型 | 第53-54页 |
| 3.2.2 基于自适应Kalman滤波的数据融合算法 | 第54-58页 |
| 3.3 RSS/INS/GNSS组合定位算法 | 第58-61页 |
| 3.3.1 组合定位算法 | 第59-60页 |
| 3.3.2 确定列车初始位置 | 第60-61页 |
| 3.4 本章小结 | 第61-62页 |
| 4 特殊条件下的城轨列车组合定位方法 | 第62-72页 |
| 4.1 数据有效性检测 | 第62-65页 |
| 4.1.1 无线信号强度有效性检测 | 第62-63页 |
| 4.1.2 INS与GNSS数据有效性检测 | 第63-65页 |
| 4.1.3 故障判决 | 第65页 |
| 4.2 基于无线信号强度定位方法失效时的组合定位 | 第65-67页 |
| 4.3 基于GNSS定位方法失效时的组合定位 | 第67-68页 |
| 4.4 基于INS定位方法失效时的组合定位 | 第68-70页 |
| 4.5 本章小结 | 第70-72页 |
| 5 定位方法仿真分析 | 第72-80页 |
| 5.1 硬件平台 | 第72-74页 |
| 5.2 结果分析 | 第74-79页 |
| 5.3 本章小结 | 第79-80页 |
| 6 结论与展望 | 第80-82页 |
| 6.1 本文工作总结 | 第80-81页 |
| 6.2 未来工作展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第85-87页 |
| 学位论文数据集 | 第87页 |
