| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究目的及意义 | 第9页 |
| ·声定位技术国内外研究现状 | 第9-14页 |
| ·声定位技术的研究现状 | 第9-11页 |
| ·多传感器融合声定位技术研究现状 | 第11-12页 |
| ·常用的数据融合方法 | 第12-14页 |
| ·课题背景 | 第14页 |
| ·论文主要研究内容 | 第14-16页 |
| 第二章 TDOA定位算法性能分析 | 第16-28页 |
| ·时延估计的数学模型 | 第16-18页 |
| ·TDOA定位法的双曲线模型 | 第18-19页 |
| ·基本的TDOA定位算法分析 | 第19-20页 |
| ·非线性定位算法 | 第19-20页 |
| ·线性定位算法 | 第20页 |
| ·几种常用的TDOA定位算法 | 第20-24页 |
| ·TDOA最小二乘算法 | 第20-22页 |
| ·Chan氏算法 | 第22页 |
| ·泰勒级数展开算法 | 第22-23页 |
| ·基于最小二乘法的牛顿迭代定位算法 | 第23-24页 |
| ·仿真与分析 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 基于多传感器的水声定位算法 | 第28-42页 |
| ·TDOA定位精度分析 | 第28-31页 |
| ·基于多传感器的水声定位算法 | 第31-38页 |
| ·组合预测的基本原理 | 第31-32页 |
| ·自适应加权算法的基本原理 | 第32-36页 |
| ·多传感器定位的算法模型 | 第36-37页 |
| ·算法流程 | 第37-38页 |
| ·仿真实验与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于双BP神经网络的多传感器数据融合定位算法 | 第42-57页 |
| ·BP神经网络 | 第42-49页 |
| ·BP网络模型特点 | 第42-43页 |
| ·BP网络学习算法 | 第43-46页 |
| ·信息的正向传递 | 第44-45页 |
| ·利用梯度下降法求权值变化及误差的反向传播 | 第45页 |
| ·网络的训练过程 | 第45-46页 |
| ·BP算法的改进 | 第46-48页 |
| ·附加动量法 | 第46-47页 |
| ·自适应学习速率 | 第47-48页 |
| ·动量-自适应学习速率调整算法 | 第48页 |
| ·网络的设计 | 第48-49页 |
| ·网络的层数 | 第48页 |
| ·输入层和输出层的设计 | 第48页 |
| ·隐含层的神经元数 | 第48-49页 |
| ·初始权值的选取 | 第49页 |
| ·学习速率 | 第49页 |
| ·BP神经网络在数据融合中的应用 | 第49-50页 |
| ·基于双BP神经网络的多传感器数据融合定位算法 | 第50-52页 |
| ·网络结构的设计 | 第51页 |
| ·异常点剔除网络 | 第51页 |
| ·有效点融合网络 | 第51页 |
| ·网络参数的选择 | 第51-52页 |
| ·算法流程图 | 第52页 |
| ·仿真与分析 | 第52-56页 |
| ·多传感器TDOA定位 | 第52-53页 |
| ·网络参数设置 | 第53页 |
| ·数据融合方法精度分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 结束语 | 第57-59页 |
| ·工作总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士期间发表论文 | 第63-64页 |
| 致谢 | 第64页 |