| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及来源 | 第8-9页 |
| 1.2 课题研究目的和意义 | 第9-10页 |
| 1.3 国内外研究现状与分析 | 第10-12页 |
| 1.3.1 UWB定位机制研究现状 | 第10页 |
| 1.3.2 NLOS鉴别与误差消除研究现状 | 第10-11页 |
| 1.3.3 目标跟踪研究现状 | 第11-12页 |
| 1.4 本文研究主要内容 | 第12-14页 |
| 第2章 超宽带定位基础 | 第14-24页 |
| 2.1 超宽带技术介绍 | 第14-16页 |
| 2.1.1 超宽带概念 | 第14-15页 |
| 2.1.2 超宽带特点及应用 | 第15-16页 |
| 2.2 定位算法 | 第16-20页 |
| 2.2.1 最小二乘法 | 第16-18页 |
| 2.2.2 加权最小二乘法 | 第18页 |
| 2.2.3 非线性迭代法 | 第18-20页 |
| 2.3 目标跟踪滤波 | 第20-23页 |
| 2.3.1 卡尔曼滤波 | 第20-21页 |
| 2.3.2 扩展卡尔曼滤波 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 NLOS鉴别及误差消除 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 超宽带信号特征提取 | 第24-27页 |
| 3.2.1 超宽带信号模型 | 第24页 |
| 3.2.2 超宽带信号特征 | 第24-27页 |
| 3.3 基于LS-SVM分类的NLOS鉴别 | 第27-33页 |
| 3.3.1 LS-SVM分类算法介绍 | 第27-29页 |
| 3.3.2 基于LS-SVM的UWB信号鉴别 | 第29-31页 |
| 3.3.3 基于F-分值法的训练集特征选择 | 第31-33页 |
| 3.4 基于机器学习算法的NLOS误差消除 | 第33-38页 |
| 3.4.1 LS-SVM回归算法介绍 | 第33页 |
| 3.4.2 基于LS-SVM回归的NLOS误差消除 | 第33-36页 |
| 3.4.3 基于k-NN的低复杂度NLOS误差消除 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 定位性能验证与系统开发 | 第39-50页 |
| 4.1 引言 | 第39页 |
| 4.2 NLOS环境下的超宽带定位仿真 | 第39-43页 |
| 4.2.1 基于NLOS鉴别的定位 | 第39-41页 |
| 4.2.2 基于NLOS误差消除的定位 | 第41-43页 |
| 4.3 基于EKF的极端环境下目标跟踪 | 第43-45页 |
| 4.4 超宽带定位系统设计与实现 | 第45-49页 |
| 4.4.1 超宽带测距模块介绍 | 第46-47页 |
| 4.4.2 定位系统架构 | 第47-48页 |
| 4.4.3 定位系统界面及定位效果 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第55-57页 |
| 致谢 | 第57页 |