| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 室内惯性导航的研究现状 | 第10-11页 |
| 1.2.2 自适应卡尔曼滤波的研究现状 | 第11-13页 |
| 1.3 主要研究内容与设计指标 | 第13-14页 |
| 1.3.1 主要研究内容 | 第13页 |
| 1.3.2 设计要求与指标 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 自适应扩展卡尔曼滤波室内惯性导航关键技术 | 第16-32页 |
| 2.1 行走航迹推算模型概述 | 第16-21页 |
| 2.1.1 行人步长估计原理与计算 | 第17-20页 |
| 2.1.2 行人前进方向估计原理与计算 | 第20-21页 |
| 2.2 卡尔曼滤波 | 第21-27页 |
| 2.2.1 线性卡尔曼滤波 | 第21-22页 |
| 2.2.2 扩展卡尔曼滤波 | 第22-25页 |
| 2.2.3 自适应扩展卡尔曼滤波 | 第25-27页 |
| 2.3 神经网络概述 | 第27-31页 |
| 2.3.1 神经元模型 | 第27-28页 |
| 2.3.2 多层神经网络结构 | 第28页 |
| 2.3.3 神经网络训练方式 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 自适应卡尔曼滤波航迹推算算法设计 | 第32-52页 |
| 3.1 卡尔曼滤波航迹推算算法误差分析 | 第32-35页 |
| 3.1.1 步长误差分析 | 第32-33页 |
| 3.1.2 行进方向误差分析 | 第33-35页 |
| 3.2 航迹推算算法流程设计 | 第35-36页 |
| 3.3 基于LMS的自适应步长步频模型 | 第36-40页 |
| 3.4 基于神经网络自适应扩展卡尔曼滤波模型 | 第40-50页 |
| 3.4.1 神经网络自适应扩展卡尔曼滤波模型构建 | 第40-41页 |
| 3.4.2 神经网络训练集构建 | 第41-42页 |
| 3.4.3 神经网络结构设计 | 第42-44页 |
| 3.4.4 神经网络参数训练 | 第44-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 室内定位导航系统的设计与实现 | 第52-72页 |
| 4.1 系统总体设计方案 | 第52-54页 |
| 4.2 嵌入式硬件设计 | 第54-58页 |
| 4.2.1 嵌入式可穿戴设备端硬件设计 | 第54-57页 |
| 4.2.2 蓝牙适配器硬件设计 | 第57-58页 |
| 4.3 嵌入式软件设计 | 第58-59页 |
| 4.4 上位机软件设计 | 第59-61页 |
| 4.5 服务器端设计 | 第61-69页 |
| 4.5.1 服务器框架设计 | 第61-62页 |
| 4.5.2 自适应扩展卡尔曼滤波行走航迹推算算法实现 | 第62-69页 |
| 4.5.2.1 行走航迹推算算法实现 | 第64-67页 |
| 4.5.2.2 神经网络参数训练算法实现 | 第67-69页 |
| 4.6 本章小结 | 第69-72页 |
| 第五章 实测结果与性能分析 | 第72-82页 |
| 5.1 整体测试方案与测试环境 | 第72-77页 |
| 5.1.1 导航精度测试方案 | 第72-75页 |
| 5.1.2 导航实时性测试方案 | 第75-77页 |
| 5.2 导航精度实测与分析 | 第77-80页 |
| 5.3 导航实时性分析 | 第80页 |
| 5.4 本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82页 |
| 6.2 展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 攻读硕士学位期间发表的论文 | 第90页 |