| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 第1章 绪论 | 第14-29页 |
| ·引言 | 第14-15页 |
| ·车辆导航系统 | 第15-22页 |
| ·车辆导航系统的概念 | 第15页 |
| ·车辆导航系统的定位技术 | 第15-20页 |
| ·车辆导航系统在国内外的发展状况 | 第20-22页 |
| ·车辆导航系统的多传感器数据融合算法 | 第22-27页 |
| ·多传感器数据融合概论 | 第22-23页 |
| ·卡尔曼滤波器 | 第23-24页 |
| ·小波分析 | 第24页 |
| ·神经网络 | 第24-25页 |
| ·研究课题的提出 | 第25-27页 |
| ·论文的主要工作 | 第27-29页 |
| 第2章 基于小波变换的GPS动态滤波 | 第29-52页 |
| ·GPS动态滤波 | 第29-37页 |
| ·GPS定位原理 | 第29-30页 |
| ·GPS定位误差 | 第30-31页 |
| ·基于线性卡尔曼滤波器的GPS动态滤波方法 | 第31-35页 |
| ·分散卡尔曼滤波技术 | 第35-37页 |
| ·小波分析 | 第37-43页 |
| ·连续小波变换 | 第37-39页 |
| ·多分辨分析和离散小波变换 | 第39-43页 |
| ·离散小波变换在GPS动态滤波中的应用 | 第43-51页 |
| ·粗差探测 | 第43-44页 |
| ·小波变换与Lipschitz指数的关系 | 第44-45页 |
| ·小波滤波基础 | 第45-47页 |
| ·小波滤波算法 | 第47-48页 |
| ·实验 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第3章 基于平稳小波变换的EKF数据融合算法 | 第52-69页 |
| ·GPS/DR扩展卡尔曼滤波数据融合算法 | 第52-58页 |
| ·航位推算(DR)系统工作原理 | 第53-55页 |
| ·GPS/DR扩展卡尔曼滤波数据融合算法 | 第55-58页 |
| ·基于平稳小波变换的EKF数据融合算法 | 第58-68页 |
| ·平稳小波变换 | 第59-61页 |
| ·平稳小波变换去除GPS/DR组合导航信号噪声的算法 | 第61-62页 |
| ·基于平稳小波变换的EKF数据融合算法的建立 | 第62页 |
| ·实验 | 第62-68页 |
| ·本章小结 | 第68-69页 |
| 第4章 自适应线性神经网络在车辆组合导航的应用 | 第69-81页 |
| ·自适应线性神经网络 | 第69-73页 |
| ·自适应线性神经网络模型 | 第70-71页 |
| ·LMS算法 | 第71-73页 |
| ·自适应线性神经网络的训练步骤 | 第73页 |
| ·自适应线性神经网络建立位置误差预测模型 | 第73-80页 |
| ·DR位置误差预测模型的建立 | 第73-75页 |
| ·实验 | 第75-80页 |
| ·本章小结 | 第80-81页 |
| 第5章 BP神经网络在车辆组合导航的应用 | 第81-103页 |
| ·BP神经网络 | 第82-88页 |
| ·多层前向神经网络模型 | 第82-83页 |
| ·BP算法 | 第83-85页 |
| ·Levenberg-Marquardt算法 | 第85-88页 |
| ·贝叶斯正则化BP神经网络 | 第88-92页 |
| ·贝叶斯正则化理论 | 第88-91页 |
| ·实用的贝叶斯正则化BP算法 | 第91-92页 |
| ·贝叶斯正则化BP神经网络建立位置误差预测模型 | 第92-102页 |
| ·DR位置误差预测模型的建立 | 第92-94页 |
| ·实验 | 第94-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-116页 |
| 攻读博士学位期间发表的论文及参加的科研项目 | 第116页 |