摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第11-21页 |
1.1. 课题研究背景和意义 | 第11-12页 |
1.2. 国内外研究现状 | 第12-18页 |
1.2.1. 基于固定常数的步长估计算法 | 第12-13页 |
1.2.2. 基于步态特征的步长估计算法 | 第13-17页 |
1.2.3. 基于运动模型的步长估计算法 | 第17-18页 |
1.3. 本文研究内容与结构安排 | 第18-21页 |
1.3.1. 本文研究内容 | 第18-19页 |
1.3.2. 本文结构安排 | 第19-21页 |
第二章 基于运动模型的步长估计算法基本原理 | 第21-31页 |
2.1. 概述 | 第21页 |
2.2. 基于运动模型的步长估计算法系统框架和关键技术 | 第21-22页 |
2.3. 零速更新算法 | 第22-25页 |
2.4. 卡尔曼滤波器 | 第25-27页 |
2.5. 运动模型简介 | 第27-30页 |
2.6. 本章小结 | 第30-31页 |
第三章 基于神经网络的自适应运动模型的步长估计算法 | 第31-59页 |
3.1. 概述 | 第31页 |
3.2. 手持式室内定位运动模型 | 第31-43页 |
3.2.1. 腰部运动特性分析 | 第32-34页 |
3.2.2. 腰部运动模型及步长估算原理 | 第34-38页 |
3.2.3. 基于线性倒立摆模型的步长估计算法误差分析 | 第38-43页 |
3.3. BP神经网络简介 | 第43-48页 |
3.3.1. BP神经网络的基本原理 | 第43-46页 |
3.3.2. BP神经网络结构设计 | 第46-48页 |
3.4. 特征提取与选取 | 第48-54页 |
3.4.1. 特征提取 | 第48-50页 |
3.4.2. 特征选取 | 第50-54页 |
3.5. 基于神经网络的自适应运动模型的步长估计系统分析与设计 | 第54-56页 |
3.5.1. 步态模型中回归系数估计 | 第54-55页 |
3.5.2. 基于神经网络的自适应运动模型的步长估计系统 | 第55-56页 |
3.6. 本章小结 | 第56-59页 |
第四章 系统实验与分析 | 第59-81页 |
4.1. 概述 | 第59页 |
4.2. 数据采集系统介绍 | 第59-62页 |
4.2.1. 硬件平台简介 | 第59-60页 |
4.2.2. 数据集来源 | 第60-62页 |
4.3. 系统主要模块的实验与分析 | 第62-77页 |
4.3.1. 线性倒立摆模型实验与分析 | 第62-68页 |
4.3.2. 基于ReliefF特征选取实验与分析 | 第68-72页 |
4.3.3. 基于SFS特征选取实验与分析 | 第72-74页 |
4.3.4. 神经网络设计 | 第74-77页 |
4.4. 基于自适应运动模型的惯性导航系统实验与分析 | 第77-79页 |
4.5. 本章小结 | 第79-81页 |
第五章 总结与展望 | 第81-83页 |
5.1. 工作总结 | 第81-82页 |
5.2. 课题展望 | 第82-83页 |
参考文献 | 第83-87页 |
致谢 | 第87-88页 |
攻读硕士学位期间发表的论文及参与的科研项目 | 第88页 |