| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 室内定位技术概述 | 第14-16页 |
| 1.3 基于惯性传感器的室内定位国内外研究现状 | 第16-17页 |
| 1.4 室内定位中惯性传感器存在的问题 | 第17-18页 |
| 1.5 本文的研究内容与章节安排 | 第18-20页 |
| 第二章 基于惯性传感器的定位技术研究 | 第20-37页 |
| 2.1 行人航迹推算算法简介 | 第20-23页 |
| 2.2 基于行走频率感知的Hamming窗口大小自调节的FIR低通滤波器设计 | 第23-28页 |
| 2.2.1 基于Hamming窗函数法FIR滤波器设计 | 第25-26页 |
| 2.2.2 固定Hamming窗口大小的FIR低通滤波器设计 | 第26-27页 |
| 2.2.3 Hamming窗口大小自调节的FIR低通滤波器设计 | 第27-28页 |
| 2.3 基于加速度计方差的动态阈值的步频检测 | 第28-35页 |
| 2.3.1 陀螺仪辅助步频检测的研究 | 第30-34页 |
| 2.3.2 步频检测算法测试 | 第34-35页 |
| 2.4 基于自学习能力的步长估计方法 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于传感器系统感知的磁罗盘误差补偿方法 | 第37-50页 |
| 3.1 影响磁罗盘精度的因素 | 第37-38页 |
| 3.2 软硬磁补偿 | 第38-40页 |
| 3.3 基于加速度计与陀螺仪的倾斜补偿 | 第40-45页 |
| 3.3.1 基于加速度计的倾斜角计算方法 | 第41-42页 |
| 3.3.2 基于陀螺仪的倾斜角及航行角计算方法 | 第42-43页 |
| 3.3.3 基于自适应权值滤波倾斜角融合方法 | 第43-44页 |
| 3.3.4 磁罗盘的倾斜补偿实现 | 第44-45页 |
| 3.4 地磁补偿 | 第45页 |
| 3.5 实验及验证 | 第45-49页 |
| 3.5.1 实验硬件平台搭建 | 第45-46页 |
| 3.5.2 实验软件架构 | 第46-47页 |
| 3.5.3 测试结果 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 人体特殊行走行为识别算法的研究 | 第50-56页 |
| 4.1 人体前进、后退方向检测的研究 | 第50-54页 |
| 4.1.1 基于波形的前进、后退算法研究 | 第51-52页 |
| 4.1.2 基于方差的前进、后退算法研究 | 第52页 |
| 4.1.3 基于矢量速度方向的前进、后退算法研究 | 第52-53页 |
| 4.1.4 实验验证 | 第53-54页 |
| 4.2 人体横向运动识别的算法研究 | 第54-55页 |
| 4.2.1 基于波形的螃蟹步识别的算法研究 | 第55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 惯性传感器辅助室内定位的研究及实现 | 第56-72页 |
| 5.1 目前典型室内定位技术分析 | 第56-58页 |
| 5.1.1 基于WLAN无线局域网室内定位技术分析 | 第56-57页 |
| 5.1.2 基于L频段移动高速数据传送网室内定位技术分析 | 第57页 |
| 5.1.3 典型室内定位技术存在的问题 | 第57-58页 |
| 5.2 惯性传感器辅助基于L频段移动高速数据传送网室内定位 | 第58-63页 |
| 5.2.1 联邦卡尔曼滤波器设计 | 第58-61页 |
| 5.2.2 惯性传感器与L频段移动高速数据传送网室内定位技术融合设计 | 第61-62页 |
| 5.2.3 仿真结果验证 | 第62-63页 |
| 5.3 智能终端总体框架设计 | 第63-70页 |
| 5.3.1 传感器组简介 | 第64-66页 |
| 5.3.2 FPGA选型 | 第66-68页 |
| 5.3.3 数据通信接口设计 | 第68-69页 |
| 5.3.4 终端实物效果图 | 第69-70页 |
| 5.4 实验验证 | 第70-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-75页 |
| 6.1 论文总结 | 第72-73页 |
| 6.2 研究工作展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 作者攻读学位期间参与的项目 | 第80页 |
