基于粒子滤波的个人导航系统算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 个人导航系统国内外研究现状 | 第12-16页 |
| 1.2.1 有源系统 | 第12-14页 |
| 1.2.2 无源系统 | 第14-16页 |
| 1.3 本文的主要工作及组织结构 | 第16-19页 |
| 1.3.1 本文主要工作 | 第16-17页 |
| 1.3.2 本文结构安排 | 第17-19页 |
| 第2章 粒子滤波理论基础 | 第19-27页 |
| 2.1 概述 | 第19-20页 |
| 2.2 蒙特卡洛方法 | 第20-21页 |
| 2.3 递归Bayesian估计 | 第21-22页 |
| 2.4 序列重要性抽样(SIS)滤波器 | 第22-24页 |
| 2.5 Bootrap/SIR滤波器 | 第24页 |
| 2.6 粒子滤波存在的问题 | 第24-25页 |
| 2.7 本章小结 | 第25-27页 |
| 第3章 融合平面图的粒子滤波算法研究 | 第27-41页 |
| 3.1 概述 | 第27页 |
| 3.2 标准粒子滤波算法流程 | 第27-30页 |
| 3.3 基于粒子滤波的融合算法设计 | 第30-34页 |
| 3.3.1 纠正系统算法流程 | 第30-31页 |
| 3.3.2 步长及航向角度信息提取 | 第31-32页 |
| 3.3.3 系统运动模型 | 第32-33页 |
| 3.3.4 自适应重采样 | 第33-34页 |
| 3.4 系统测试及分析 | 第34-40页 |
| 3.4.1 测试环境介绍 | 第34-35页 |
| 3.4.2 自适应重采样算法验证 | 第35-37页 |
| 3.4.3 基于卡尔曼滤波的导航系统精度测试 | 第37-38页 |
| 3.4.4 融合墙壁信息测试 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 融合活动识别纠正点的粒子滤波算法研究 | 第41-69页 |
| 4.1 概述 | 第41-42页 |
| 4.2 线性可分支持向量机 | 第42-46页 |
| 4.3 活动识别算法流程及子模块设计 | 第46-54页 |
| 4.3.1 算法流程图 | 第46-47页 |
| 4.3.2 基于卡尔曼滤波的姿态角计算 | 第47-49页 |
| 4.3.3 瞬时加速度计算 | 第49-50页 |
| 4.3.4 坐标变换 | 第50-52页 |
| 4.3.5 训练集特征提取 | 第52-53页 |
| 4.3.6 纠正点提取算法 | 第53-54页 |
| 4.4 活动识别子模块算法验证 | 第54-61页 |
| 4.4.1 姿态角度计算测试 | 第54-55页 |
| 4.4.2 瞬时加速度计算测试 | 第55-56页 |
| 4.4.3 欧拉角坐标变换测试 | 第56-57页 |
| 4.4.4 训练集数据及标签定义 | 第57-60页 |
| 4.4.5 纠正点提取算法验证 | 第60-61页 |
| 4.5 活动识别实验及分析 | 第61-64页 |
| 4.5.1 上下楼活动识别 | 第61-62页 |
| 4.5.2 走平路活动识别 | 第62-63页 |
| 4.5.3 乘坐电梯活动识别 | 第63-64页 |
| 4.5.4 活动识别结果统计以及分析 | 第64页 |
| 4.6 粒子滤波融合纠正点测试 | 第64-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第5章 总结及展望 | 第69-71页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢语 | 第77-79页 |
| 攻读硕士学位期间发表的论文及所做工作 | 第79页 |
