首页--交通运输论文--铁路运输论文--铁路通信、信号论文--铁路信号论文--区间闭塞与机车信号系统论文--列车运行自动化论文

基于BDS/INS的列车多源信息融合定位模型及算法研究

摘要第3-4页
ABSTRACT第4页
主要符号说明第7-8页
第一章 绪论第8-14页
    1.1 研究背景及意义第8-9页
    1.2 国内外研究现状第9-12页
        1.2.1 导航技术的发展第9-10页
        1.2.2 列车定位方法研究的发展第10-11页
        1.2.3 组合定位中数据融合算法的发展第11-12页
    1.3 论文的研究内容及框架第12-14页
第二章 INS和BDS的基本原理概述第14-25页
    2.1 常用的导航坐标系之间的转换第14-16页
        2.1.1 常用坐标系介绍第14页
        2.1.2 不同坐标系间的转换第14-16页
    2.2 INS系统概述第16-21页
        2.2.1 INS的基本组成及原理第16-18页
        2.2.2 INS的数学模型及误差方程第18-21页
    2.3 BDS系统概述第21-25页
        2.3.1 BDS的基本组成及原理第21-22页
        2.3.2 BDS的数学模型及误差分析第22-25页
第三章 BDS/INS组合导航基本原理第25-30页
    3.1 基于BDS/INS的列车组合定位系统介绍第25-28页
        3.1.1 基于BDS/INS的列车定位原理第25-26页
        3.1.2 基于BDS/INS的列车组合定位方式第26-28页
    3.2 BDS/INS组合基本特性第28-30页
        3.2.1 组合导航系统的基本数学模型第28-29页
        3.2.2 组合导航系统的基本特性分析第29-30页
第四章 多源信息融合滤波算法第30-43页
    4.1 扩展Kalman滤波(EKF)第30-33页
        4.1.1 EKF算法的基本原理和过程第30-31页
        4.1.2 EKF算法的具体实现步骤第31-32页
        4.1.3 EKF算法的仿真分析第32-33页
    4.2 无迹Kalman滤波算法(UKF)第33-36页
        4.2.1 UKF算法的基本原理和过程第33-34页
        4.2.2 UKF算法的具体实现步骤第34-35页
        4.2.3 UKF算法的仿真分析第35-36页
    4.3 标准粒子滤波算法(PF)第36-38页
        4.3.1 PF算法的基本原理和过程第36-37页
        4.3.2 PF算法的具体实现步骤第37-38页
        4.3.3 PF算法的仿真分析第38页
    4.4 无迹粒子滤波(UPF)及其改进算法研究第38-43页
        4.4.1 UPF算法的基本原理及过程第39页
        4.4.2 改进的UPF算法基本原理及过程第39-41页
        4.4.3 MUPF算法仿真及分析第41-43页
第五章 MUPF算法在列车BDS/INS组合定位模型中的应用第43-55页
    5.1 基于BDS/INS的列车定位仿真设计第43-49页
        5.1.1 基于BDS/INS的列车仿真系统分析第43-45页
        5.1.2 BDS/INS组合定位数学模型的建立第45-46页
        5.1.3 基于BDS/INS的列车轨迹计算机仿真第46-49页
    5.2 MUPF应用于BDS/INS中的仿真分析第49-55页
第六章 总结第55-56页
    6.1 主要工作回顾第55页
    6.2 今后研究工作及展望第55-56页
参考文献第56-58页
个人简历 在读期间发表的学术论文第58-59页
致谢第59页

论文共59页,点击 下载论文
上一篇:量子图像处理技术及相应的可逆逻辑电路设计
下一篇:基于量子神经网络的肿瘤细胞图像识别研究