| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题研究的背景及意义 | 第7-8页 |
| 1.2 定位技术的发展现状 | 第8-9页 |
| 1.3 定位中滤波算法的发展现状 | 第9-10页 |
| 1.4 本文的研究内容与章节安排 | 第10-12页 |
| 第二章 定位相关技术及滤波理论 | 第12-22页 |
| 2.1 全球定位系统（GPS） | 第12-13页 |
| 2.1.1 GPS的系统结构 | 第12-13页 |
| 2.1.2 GPS定位的特点及分类 | 第13页 |
| 2.2 地理信息系统（GIS） | 第13-16页 |
| 2.2.1 GIS的总体构成 | 第13-14页 |
| 2.2.2 GIS的地理空间数据特征 | 第14-15页 |
| 2.2.3 GIS的地理空间数据结构 | 第15-16页 |
| 2.3 基于CAN总线的车辆运动信息采集 | 第16-18页 |
| 2.4 车辆的运动模型 | 第18-19页 |
| 2.4.1 CV运动模型 | 第18-19页 |
| 2.4.2 CA运动模型 | 第19页 |
| 2.5 卡尔曼滤波算法 | 第19-22页 |
| 第三章 容积Kalman滤波器的设计 | 第22-36页 |
| 3.1 CKF的设计原理 | 第22-27页 |
| 3.1.1 Kalman滤波器框架的非线性高斯滤波 | 第22-24页 |
| 3.1.2 球面-半径的容积准则 | 第24-27页 |
| 3.2 CKF滤波算法的流程 | 第27-29页 |
| 3.3 CKF在车辆定位中的应用仿真分析 | 第29-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 机动自适应CKF算法及其在车辆定位中的应用 | 第36-65页 |
| 4.1 多模型滤波算法 | 第36-37页 |
| 4.2 动态的多模型交互滤波算法 | 第37-41页 |
| 4.3 自适应的多模型交互CKF滤波 | 第41-45页 |
| 4.4 自适应的Imm-CKF在存在GPS信号时的车辆定位仿真 | 第45-57页 |
| 4.5 自适应的Imm-CKF在GPS信号会中断丢失下的车辆定位仿真 | 第57-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 附录 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 致谢 | 第70页 |
