| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究目标及研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 无源定位原理及误差抑制方法 | 第16-32页 |
| 2.1 达到时间定位方法 | 第16-19页 |
| 2.1.1 到达时间估计 | 第16页 |
| 2.1.2 到达时间位置估计方法 | 第16-19页 |
| 2.2 到达时间差定位方法 | 第19-21页 |
| 2.2.1 到达时间差估计 | 第19页 |
| 2.2.2 到达时间差位置估计方法 | 第19-21页 |
| 2.3 场强定位 | 第21-22页 |
| 2.4 移动单站只测向定位原理 | 第22-24页 |
| 2.4.1 移动单站测向定位原理 | 第22-23页 |
| 2.4.2 非视距传输产生的原因 | 第23-24页 |
| 2.5 无线定位系统中经典的非视距鉴别方法 | 第24-27页 |
| 2.5.1 数据平滑 | 第24-25页 |
| 2.5.2 分布检验 | 第25-27页 |
| 2.5.3 残差分析判决 | 第27页 |
| 2.6 经典滤波定位算法 | 第27-31页 |
| 2.6.1 Stansfield算法 | 第27-28页 |
| 2.6.2 最小二乘算法 | 第28-29页 |
| 2.6.3 扩展卡尔曼滤波算法 | 第29-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 卡尔曼滤波新息加权平滑算法 | 第32-38页 |
| 3.1 算法引入 | 第32-34页 |
| 3.1.1 无线信号非视距传输损耗模型 | 第32-34页 |
| 3.1.2 卡尔曼滤波新息 | 第34页 |
| 3.2 算法设计 | 第34-36页 |
| 3.2.1 基本思想 | 第34-35页 |
| 3.2.2 加权平滑后新息估计值计算 | 第35-36页 |
| 3.3 算法迭代流程 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于BP神经网络改进的MGEKF算法 | 第38-45页 |
| 4.1 移动单站测向定位问题可修正性的证明 | 第38-39页 |
| 4.2 BP神经网络的设计 | 第39-42页 |
| 4.2.1 确定BP神经网络层数 | 第40页 |
| 4.2.2 确定输入输出层节点数量以及数据归一化处理 | 第40-41页 |
| 4.2.3 确定隐含层节点的数量 | 第41页 |
| 4.2.4 网络训练算法 | 第41-42页 |
| 4.3 BPNN-MGEKF迭代定位算法设计 | 第42-43页 |
| 4.3.1 MGEKF算法的迭代流程 | 第42页 |
| 4.3.2 BPNN-MGEKF算法的迭代流程 | 第42-43页 |
| 4.4 WKIS和BPNN-MGEKF算法整合 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 WKIS和BPNN-MGEKF算法实验结果及分析 | 第45-52页 |
| 5.1 实验场景介绍及实验数据获取 | 第45-46页 |
| 5.2 增益修正结果分析 | 第46-47页 |
| 5.3 目标定位精度分析 | 第47-51页 |
| 5.3.1 WKIS抗误差性能分析 | 第48-49页 |
| 5.3.2 WKIS结合BPNN-MGEKF定位性能分析 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 总结 | 第52-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的学术成果 | 第59-60页 |
| 致谢 | 第60页 |
