| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外发展现状 | 第15-16页 |
| 1.2.1 国外发展现状 | 第15-16页 |
| 1.2.2 国内发展现状 | 第16页 |
| 1.3 研究内容 | 第16-18页 |
| 第二章 室内惯性定位与导航关键技术 | 第18-35页 |
| 2.1 概述 | 第18-19页 |
| 2.2 步行惯性导航和基于测距的定位融合算法 | 第19-20页 |
| 2.3 无线定位与惯性导航相结合定位系统 | 第20-21页 |
| 2.4 机器学习与惯性导航的联合定位算法 | 第21-23页 |
| 2.5 惯性导航航迹推算算法 | 第23-34页 |
| 2.5.1 欧拉角坐标变换 | 第23-27页 |
| 2.5.1.1 常用坐标系 | 第23-24页 |
| 2.5.1.2 坐标变换 | 第24-27页 |
| 2.5.2 航迹推算算法原理 | 第27-34页 |
| 2.5.2.1 加速度积分计算位移 | 第28-29页 |
| 2.5.2.2 行人航迹推算(PDR)算法 | 第29-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 步数检测与步长估计算法 | 第35-50页 |
| 3.1 坐标变换 | 第36-38页 |
| 3.2 步数检测与步长估计 | 第38-44页 |
| 3.2.1 步数检测 | 第38-40页 |
| 3.2.2 步长估计 | 第40-44页 |
| 3.3 改进的步长估计模型 | 第44-49页 |
| 3.3.1 现有步长估计模型分析 | 第44-46页 |
| 3.3.2 步长估计改进模型及稳定性测试 | 第46-47页 |
| 3.3.3 改进模型的准确性测试 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于减法聚类的惯导数据结构化算法 | 第50-61页 |
| 4.1 聚类算法简介 | 第50-54页 |
| 4.1.1 k-均值聚类 | 第50-51页 |
| 4.1.2 AGNES算法 | 第51-53页 |
| 4.1.3 减法聚类 | 第53-54页 |
| 4.2 一种基于减法聚类的惯导数据结构化 | 第54-57页 |
| 4.2.1 基于减法聚类的惯导数据巷道/走廊结构化 | 第54-56页 |
| 4.2.2 基于减法聚类的惯导数据楼层结构化 | 第56-57页 |
| 4.3 惯导数据的三维结构化 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 室内定位与导航算法 | 第61-69页 |
| 5.1 基于方向特征的特征点标定 | 第61-62页 |
| 5.2 基于方向特征的特征点匹配 | 第62-66页 |
| 5.3 Dijkstra最短路径导航算法 | 第66-68页 |
| 5.3.1 Dijkstra最短路径生成算法 | 第66-67页 |
| 5.3.2 导航路径拟合 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 硬件电路设计与实现 | 第69-88页 |
| 6.1 任务需求与设计目标 | 第69-70页 |
| 6.2 微处理器模块设计 | 第70-72页 |
| 6.3 传感器电路设计 | 第72-76页 |
| 6.3.1 加速度计和磁力计传感器设计 | 第72-74页 |
| 6.3.2 陀螺仪电路设计 | 第74-75页 |
| 6.3.3 气压传感器设计 | 第75-76页 |
| 6.4 电源设计 | 第76-78页 |
| 6.5 存储模块设计 | 第78-80页 |
| 6.6 设计实现与调试 | 第80-83页 |
| 6.6.1 硬件调试过程 | 第80-81页 |
| 6.6.2 软件调试过程 | 第81-83页 |
| 6.7 系统可视化验证与实现 | 第83-87页 |
| 6.8 本章小结 | 第87-88页 |
| 第七章 总结与展望 | 第88-89页 |
| 7.1 论文总结 | 第88页 |
| 7.2 展望 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-91页 |