| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 列车完整性监测研究现状 | 第13-15页 |
| 1.2.2 惯性传感器校准方法研究现状 | 第15-16页 |
| 1.3 论文研究内容及组织结构 | 第16-19页 |
| 2 惯性传感器校准技术 | 第19-33页 |
| 2.1 惯性传感器误差分析及建模 | 第19-22页 |
| 2.1.1 惯性传感器误差分析 | 第19-20页 |
| 2.1.2 MEMS惯性传感器误差模型 | 第20-22页 |
| 2.2 小波降噪算法 | 第22-25页 |
| 2.2.1 小波降噪原理 | 第22-23页 |
| 2.2.2 小波函数及阈值处理方法 | 第23-25页 |
| 2.3 零速校正技术 | 第25-31页 |
| 2.3.1 零速场景划分 | 第25-26页 |
| 2.3.2 惯性导航计算 | 第26-28页 |
| 2.3.3 惯性导航系统误差模型 | 第28-30页 |
| 2.3.4 零速校正流程 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 列车运行环境下惯性传感器校准方法 | 第33-59页 |
| 3.1 惯性传感器信号特性和校准方案 | 第33-38页 |
| 3.1.1 列车运行环境下惯性传感器信号特性分析 | 第33-36页 |
| 3.1.2 惯性传感器校准方案 | 第36-38页 |
| 3.2 基于最优小波包的惯性传感器降噪 | 第38-45页 |
| 3.2.1 最优小波包降噪 | 第38-44页 |
| 3.2.2 基于列车环境的降嗓方案 | 第44-45页 |
| 3.3 基于ARMA模型的随机误差建模 | 第45-50页 |
| 3.4 基于零速补偿的ARMA-Kalman动态校准方法 | 第50-57页 |
| 3.4.1 基于广义似然比的零速检测方法 | 第50-53页 |
| 3.4.2 基于零速补偿的ARMA卡尔曼动态校准实现 | 第53-57页 |
| 3.5 本章小结 | 第57-59页 |
| 4 试验验证和结果分析 | 第59-72页 |
| 4.1 试验验证环境和采集设备说明 | 第59-61页 |
| 4.2 算法验证 | 第61-71页 |
| 4.2.1 静止场景 | 第62-64页 |
| 4.2.2 道岔区段场景 | 第64-67页 |
| 4.2.3 隧道场景 | 第67-71页 |
| 4.3 本章小结 | 第71-72页 |
| 5 结论与展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 图索引 | 第77-79页 |
| 表索引 | 第79-81页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第81-85页 |
| 学位论文数据集 | 第85页 |