| 表目录 | 第1-9页 |
| 图目录 | 第9-13页 |
| 缩略语列表 | 第13-15页 |
| 摘要 | 第15-17页 |
| ABSTRACT | 第17-19页 |
| 第一章 绪论 | 第19-26页 |
| ·研究背景及意义 | 第19-20页 |
| ·蜂窝网信息融合定位技术的研究现状 | 第20-23页 |
| ·蜂窝网定位技术的研究现状 | 第20-22页 |
| ·信息融合技术的研究现状 | 第22-23页 |
| ·蜂窝网信息融合定位技术的研究现状 | 第23页 |
| ·论文的研究任务及创新点 | 第23-24页 |
| ·蜂窝网信息融合定位技术的研究任务 | 第23-24页 |
| ·论文的主要创新点 | 第24页 |
| ·本文的主要工作 | 第24-26页 |
| 第二章 蜂窝网信息融合定位系统结构 | 第26-38页 |
| ·蜂窝网定位技术概述 | 第26-28页 |
| ·蜂窝网定位系统类型 | 第26-27页 |
| ·蜂窝网定位技术分类 | 第27-28页 |
| ·信息融合技术概况 | 第28-29页 |
| ·信息融合的定义 | 第28页 |
| ·信息融合的基本原理 | 第28-29页 |
| ·信息融合系统的体系结构及分类 | 第29页 |
| ·蜂窝网定位技术的难点和应用所面临的困境 | 第29-31页 |
| ·蜂窝网定位技术的难点 | 第29-30页 |
| ·蜂窝网定位技术实际商用所面临的主要困难 | 第30-31页 |
| ·蜂窝网信息融合定位技术的可行性分析及意义 | 第31-32页 |
| ·蜂窝网信息融合定位技术的可行性分析 | 第31页 |
| ·蜂窝网信息融合定位技术的意义 | 第31-32页 |
| ·蜂窝网信息融合定位技术的总体设计 | 第32-37页 |
| ·信息融合定位系统的总体设计方案 | 第32-33页 |
| ·基于信息融合的蜂窝网定位系统结构 | 第33-36页 |
| ·蜂窝网信息融合定位技术的主要难点与解决思路 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于多传感器测量参数信息的数据层融合定位算法 | 第38-57页 |
| ·多传感器测量参数融合定位的数学描述 | 第38-41页 |
| ·经典的蜂窝网位置估计算法 | 第38-39页 |
| ·基于多目标优化理论的传感器测量参数信息融合定位 | 第39-41页 |
| ·多目标优化信息融合定位的求解方法 | 第41-44页 |
| ·多目标优化的理论最优解 | 第41-42页 |
| ·多目标优化问题的经典求解方法 | 第42-43页 |
| ·基于遗传算法的多目标进化方法 | 第43-44页 |
| ·基于多目标优化的多传感器测量参数信息融合定位方案 | 第44-47页 |
| ·多传感器测量参数信息融合定位的整体方案 | 第45页 |
| ·基于位置可行域的移动台位置评价函数 | 第45-47页 |
| ·基于分布式结构的改进遗传算法 | 第47-50页 |
| ·改进遗传算法的必要性 | 第47页 |
| ·常见的变异改进型遗传算法 | 第47-48页 |
| ·分布式遗传算法的原理 | 第48-49页 |
| ·分布式遗传算法的设计 | 第49-50页 |
| ·基于分布式遗传算法的多传感器测量参数融合定位 | 第50-53页 |
| ·目标种群的设计 | 第50-51页 |
| ·子种群的设计 | 第51-53页 |
| ·分布式遗传算法的整体流程 | 第53页 |
| ·多传感器融合定位算法的性能仿真分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于地理环境信息的数据层融合定位算法 | 第57-82页 |
| ·GIS 地理环境信息的提取 | 第57-62页 |
| ·GIS 的概念和分类 | 第57-58页 |
| ·地理信息数据的提取 | 第58-61页 |
| ·GIS 和蜂窝网定位系统之间的坐标变换 | 第61-62页 |
| ·基于地理环境信息的移动台位置可行域分类 | 第62-63页 |
| ·环境先验位置可行域的构造 | 第63-66页 |
| ·先验分布和贝叶斯理论 | 第63页 |
| ·A 类环境位置可行域的构造 | 第63-64页 |
| ·A 类环境位置可行域在蜂窝网定位中的性能仿真 | 第64-66页 |
| ·宏小区环境位置可行域的构造 | 第66-72页 |
| ·蜂窝网无线信道模型 | 第66-69页 |
| ·B 类环境位置可行域的构造原理 | 第69-71页 |
| ·算法性能仿真 | 第71-72页 |
| ·微小区环境位置可行域的构造 | 第72-81页 |
| ·微小区环境下的蜂窝网定位 | 第72-73页 |
| ·基于射线跟踪的微小区定位原理 | 第73页 |
| ·几何反射和几何绕射原理 | 第73-75页 |
| ·反向射线跟踪原理 | 第75-80页 |
| ·算法性能仿真 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第五章 基于闭环反馈结构的决策层融合定位算法 | 第82-102页 |
| ·蜂窝网信息融合定位系统的决策层融合结构 | 第82-86页 |
| ·决策层融合的概念和常用方法 | 第82-83页 |
| ·蜂窝网信息融合定位系统的决策层融合结构 | 第83-86页 |
| ·基于贝叶斯规则的决策融合算法 | 第86-88页 |
| ·贝叶斯决策融合算法 | 第86页 |
| ·贝叶斯决策融合的序贯递推 | 第86-87页 |
| ·贝叶斯决策融合的性能分析 | 第87-88页 |
| ·基于闭环反馈结构的改进粒子滤波决策融合定位 | 第88-92页 |
| ·基本的粒子滤波算法 | 第88-90页 |
| ·闭环反馈型的改进粒子滤波器 | 第90-92页 |
| ·基于IUKF 算法的粒子重采样 | 第92-99页 |
| ·粒子滤波器的粒子退化和贫化 | 第92-93页 |
| ·基于概率密度估计的粒子重采样 | 第93-94页 |
| ·基于多向寻优的全跟踪式UKF 滤波算法 | 第94-98页 |
| ·基于IUKF 重采样的粒子滤波 | 第98-99页 |
| ·算法仿真分析 | 第99-100页 |
| ·本章小结 | 第100-102页 |
| 第六章 蜂窝网信息融合定位系统的误差抑制算法 | 第102-119页 |
| ·蜂窝网信息融合定位系统的位误差分析 | 第102-103页 |
| ·NLOS 误差抑制算法的研究现状 | 第103-106页 |
| ·NLOS 误差鉴别算法 | 第103-105页 |
| ·NLOS 误差抑制算法 | 第105-106页 |
| ·NLOS 误差的信道模型 | 第106-107页 |
| ·基于信号斜度归零准则的NLOS 误差抑制算法 | 第107-111页 |
| ·样本数据斜度的定义及其计算公式 | 第107-108页 |
| ·基于数据斜度归零准则的NLOS 误差抑制算法 | 第108-109页 |
| ·算法性能仿真 | 第109-111页 |
| ·基于偏差Kalman 滤波器和神经网络的NLOS 误差抑制算法 | 第111-118页 |
| ·经典的 Kalman 滤波器 | 第111-112页 |
| ·Kalman 滤波器对TOA 进行无偏估计的算法推导 | 第112-113页 |
| ·基于BP 神经网络的NLOS 误差环境系数估计 | 第113-114页 |
| ·算法总体流程 | 第114-115页 |
| ·算法性能仿真 | 第115-117页 |
| ·算法的仿真结果分析 | 第117-118页 |
| ·本章小结 | 第118-119页 |
| 第七章 蜂窝网信息融合定位系统的性能评估与优化 | 第119-138页 |
| ·蜂窝网信息融合定位系统的性能评估 | 第119-122页 |
| ·信息融合定位系统性能评估的重要意义 | 第119-120页 |
| ·信息融合定位系统的测试评估原理 | 第120-122页 |
| ·蜂窝网信息融合定位系统的控制优化 | 第122-127页 |
| ·控制优化的整体策略 | 第122页 |
| ·基于信息反馈的控制优化结构 | 第122-123页 |
| ·基于专家系统辅助的性能优化方法 | 第123-127页 |
| ·WCDMA 信息融合定位测试平台的原理 | 第127-132页 |
| ·WCDMA 系统物理信道间的定时关系 | 第127-130页 |
| ·WCDMA 定位测试平台的定位原理 | 第130-132页 |
| ·WCDMA 信息融合定位测试平台的实现 | 第132-134页 |
| ·基于WCDMA 信息融合定位测试平台的外场测试 | 第134-137页 |
| ·NLOS 误差抑制算法的测试结果 | 第134-136页 |
| ·信息融合定位算法的测试结果 | 第136-137页 |
| ·本章小结 | 第137-138页 |
| 第八章 结束语 | 第138-140页 |
| 参考文献 | 第140-147页 |
| 作者简历 攻读博士学位期间完成的主要工作 | 第147-149页 |
| 致谢 | 第149页 |
