无线定位中时延估计算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-20页 |
| ·无线定位技术概述 | 第12-17页 |
| ·无线定位方式 | 第12页 |
| ·无线定位方法 | 第12-14页 |
| ·无线定位技术的典型应用 | 第14-17页 |
| ·时延估计技术的发展现状和发展趋势 | 第17-19页 |
| ·时延估计算法的发展现状 | 第17-18页 |
| ·时延估计算法的发展趋势 | 第18-19页 |
| ·本文的主要内容 | 第19-20页 |
| 2 基础知识 | 第20-26页 |
| ·相关函数估计理论 | 第20页 |
| ·自相关函数估计 | 第20页 |
| ·互相关函数估计 | 第20页 |
| ·高阶累积量与高阶谱 | 第20-24页 |
| ·高阶累积量 | 第21-23页 |
| ·高阶谱 | 第23-24页 |
| ·自适应滤波理论 | 第24-26页 |
| 3 时延估计经典算法分析 | 第26-35页 |
| ·无线定位时延估计信号模型 | 第26-27页 |
| ·基于广义互相关(GCC)的时延估计方法 | 第27-28页 |
| ·基于三阶累积量及双谱法的时延估计方法 | 第28-29页 |
| ·四阶累积量及相关联合的时延估计方法 | 第29-30页 |
| ·算法仿真 | 第30-35页 |
| ·仿真实验 | 第30-33页 |
| ·仿真实验结果分析 | 第33-35页 |
| 4 基于卡尔曼滤波的时延估计算法研究 | 第35-50页 |
| ·贝叶斯估计 | 第35-36页 |
| ·状态空间模型 | 第35页 |
| ·贝叶斯估计公式 | 第35-36页 |
| ·标准卡尔曼滤波 | 第36-40页 |
| ·卡尔曼滤波的信号模型 | 第37-38页 |
| ·卡尔曼滤波方程 | 第38-39页 |
| ·卡尔曼滤波的具体实现 | 第39-40页 |
| ·扩展卡尔曼滤波(EKF) | 第40-41页 |
| ·无味卡尔曼滤波(UKF) | 第41-45页 |
| ·无味变换(UT) | 第42-44页 |
| ·UKF算法步骤 | 第44-45页 |
| ·基于EKF的时延估计 | 第45-47页 |
| ·时延估计的自适应模型 | 第45-46页 |
| ·EKF时延估计步骤 | 第46-47页 |
| ·基于UKF的时延估计 | 第47-48页 |
| ·仿真实验 | 第48-50页 |
| 5 基于粒子滤波的时延估计算法研究 | 第50-68页 |
| ·蒙特卡罗思想 | 第50-51页 |
| ·粒子滤波的关键技术 | 第51-58页 |
| ·重要性密度采样(IS) | 第51-53页 |
| ·序贯重要性采样(SIS) | 第53-55页 |
| ·SIS粒子退化现象 | 第55页 |
| ·SIS粒子退化解决办法 | 第55-57页 |
| ·采样-重要性重采样(SIR) | 第57-58页 |
| ·扩展卡尔曼粒子滤波算法(EPF) | 第58-60页 |
| ·无味粒子滤波算法(UPF) | 第60-61页 |
| ·粒子滤波的发展趋势 | 第61-62页 |
| ·基于粒子滤波系列算法的时延估计 | 第62-66页 |
| ·基于标准PF的时延估计 | 第62-63页 |
| ·基于EPF的时延估计 | 第63-64页 |
| ·基于UPF的时延估计 | 第64-66页 |
| ·仿真实验 | 第66-68页 |
| 6 总结与展望 | 第68-70页 |
| ·全文总结 | 第68页 |
| ·课题展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |
