群体机器人室内环境监测及协作定位算法的研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 研究的目的和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 短距离无线通信技术介绍及比较 | 第13-18页 |
| 1.3.1 ZigBee技术概述 | 第14-17页 |
| 1.3.2 ZigBee拓扑结构 | 第17-18页 |
| 1.4 群体机器人协作系统结构 | 第18-22页 |
| 1.5 研究内容与章节安排 | 第22-24页 |
| 第2章 群体机器人无线定位算法的相关技术 | 第24-36页 |
| 2.1 相对定位技术 | 第24-25页 |
| 2.2 绝对定位技术 | 第25页 |
| 2.3 多节点定位计算方法 | 第25-29页 |
| 2.3.1 三边测量法 | 第25-26页 |
| 2.3.2 三角测量法 | 第26-27页 |
| 2.3.3 极大似然估计法 | 第27-29页 |
| 2.4 无线传感器网络的测距算法 | 第29-31页 |
| 2.4.1 TDOA定位算法 | 第29-30页 |
| 2.4.2 经典的RSSI算法 | 第30-31页 |
| 2.5 基于概率的移动机器人定位算法 | 第31-34页 |
| 2.5.1 贝叶斯滤波原理 | 第31-33页 |
| 2.5.2 卡尔曼滤波(KF)定位算法 | 第33-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第3章 基于粒子滤波模型的群体机器人定位算法研究 | 第36-52页 |
| 3.1 RSSI信号衰减干扰分析 | 第36-39页 |
| 3.2 基于粒子滤波模型的RSSI初值改进算法 | 第39-45页 |
| 3.2.1 蒙特卡洛方法 | 第39-41页 |
| 3.2.2 序贯重要性采样分析 | 第41-45页 |
| 3.3 算法仿真分析 | 第45-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 群体机器人位置坐标的估计和滤波方法 | 第52-62页 |
| 4.1 基于RSSI测距的机器人坐标计算 | 第53-55页 |
| 4.2 卡尔曼滤波模型的建立 | 第55-58页 |
| 4.3 算法仿真分析 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 机器人室内环境监测与定位系统搭建及测试 | 第62-80页 |
| 5.1 硬件结构设计 | 第62-68页 |
| 5.1.1 群体机器人定位系统的总体设计方案 | 第62-63页 |
| 5.1.2 ZigBee模块设计 | 第63-65页 |
| 5.1.3 ZigBee模块电路设计 | 第65-66页 |
| 5.1.4 传感器模块设计 | 第66-68页 |
| 5.2 软件系统设计 | 第68-75页 |
| 5.2.1 ZigBee协议栈的应用 | 第68-69页 |
| 5.2.2 ZigBee开发平台的构建 | 第69-70页 |
| 5.2.3 程序设计与调试 | 第70-75页 |
| 5.3 实验及结果分析 | 第75-79页 |
| 5.3.1 定位算法验证 | 第76-78页 |
| 5.3.2 室内环境监测实验 | 第78-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 全文总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 作者简历 | 第86-88页 |
| 致谢 | 第88页 |
