| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究的目的与意义 | 第11-12页 |
| 1.2 基于振动的地面分类的国内外研究现状 | 第12-15页 |
| 1.2.1 国外的研究现状 | 第13-14页 |
| 1.2.2 国内的研究现状 | 第14-15页 |
| 1.3 相关向量机分类算法研究现状 | 第15-16页 |
| 1.4 基于贝叶斯框架的滤波算法研究现状 | 第16-17页 |
| 1.5 本文的主要研究内容及结构安排 | 第17-19页 |
| 第2章 实验数据的采集 | 第19-29页 |
| 2.1 移动机器人实验平台 | 第19-20页 |
| 2.1.1 移动机器人的机械结构 | 第19-20页 |
| 2.1.2 移动机器人的控制系统 | 第20页 |
| 2.2 数据采集系统 | 第20-25页 |
| 2.3 数据采集实验 | 第25-27页 |
| 2.3.1 实验方案设计 | 第25页 |
| 2.3.2 实验操作过程 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 实验数据的特征提取 | 第29-41页 |
| 3.1 实验数据的预处理 | 第29-30页 |
| 3.2 基于快速傅里叶变换的特征提取方法 | 第30-35页 |
| 3.2.1 离散傅里叶变换（DFT） | 第30页 |
| 3.2.2 快速傅里叶变换（FFT） | 第30-32页 |
| 3.2.3 基于FFT的特征提取方法 | 第32-35页 |
| 3.3 基于功率谱密度的特征提取方法 | 第35-39页 |
| 3.3.1 功率谱估计的经典方法 | 第35-36页 |
| 3.3.2 基于PSD的特征提取方法 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于相关向量机的地面分类 | 第41-57页 |
| 4.1 相关向量机 | 第41-44页 |
| 4.2 多分类相关向量机 | 第44-46页 |
| 4.3 基于多分类相关向量机的地面分类 | 第46-50页 |
| 4.3.1 地面类型的表示方法 | 第47页 |
| 4.3.2 选取核函数 | 第47-48页 |
| 4.3.3 地面类型分类输出 | 第48页 |
| 4.3.4 基于M-RVM的地面分类过程 | 第48-50页 |
| 4.4 基于M-RVM的地面分类实验结果及分析 | 第50-56页 |
| 4.4.1 基于FFT特征五种单一地面的实验结果及分析 | 第51-52页 |
| 4.4.2 基于PSD特征五种单一地面的实验结果及分析 | 第52-54页 |
| 4.4.3 分类方法的实时性分析 | 第54页 |
| 4.4.4 过渡地面的分类结果及分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 基于贝叶斯框架的地面分类 | 第57-83页 |
| 5.1 马尔可夫链 | 第57-58页 |
| 5.2 动态空间模型 | 第58页 |
| 5.3 贝叶斯滤波框架 | 第58-60页 |
| 5.4 基于贝叶斯框架的地面分类系统 | 第60-69页 |
| 5.4.1 引入时间相关性 | 第60-61页 |
| 5.4.2 机器人的行驶路径 | 第61-63页 |
| 5.4.3 基于马尔可夫链的状态转移模型 | 第63-65页 |
| 5.4.4 贝叶斯滤波框架公式的适配性 | 第65-68页 |
| 5.4.5 基于贝叶斯框架的地面分类算法描述 | 第68-69页 |
| 5.5 基于粒子滤波的地面分类 | 第69-74页 |
| 5.5.1 粒子滤波 | 第69-71页 |
| 5.5.2 基于粒子滤波的地面分类算法描述 | 第71-74页 |
| 5.6 基于卡尔曼滤波的地面分类 | 第74-76页 |
| 5.6.1 卡尔曼滤波 | 第74-75页 |
| 5.6.2 基于卡尔曼滤波的地面分类算法描述 | 第75-76页 |
| 5.7 地面分类实验结果及分析 | 第76-82页 |
| 5.7.1 五种单一地面的实验结果及分析 | 第76-79页 |
| 5.7.2 基于贝叶斯框架的地面分类算法实时性分析 | 第79-80页 |
| 5.7.3 过渡地面的实验结果及分析 | 第80-82页 |
| 5.8 本章小结 | 第82-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第91-92页 |
| 致谢 | 第92页 |
