首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于惯性传感器的室内定位系统步长估计算法研究

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

论文共88页,点击 下载论文
上一篇:基于标签相关性和三层BP神经网络的多标签分类算法研究
下一篇:基于深度学习的杂波抑制技术研究