基于TDOA的蜂窝网定位跟踪算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文的研究内容 | 第14-15页 |
| 第二章 蜂窝网无线多点定位系统技术分析 | 第15-26页 |
| ·蜂窝网无线定位基本技术 | 第15-18页 |
| ·AOA 定位技术 | 第15-16页 |
| ·场强定位技术 | 第16页 |
| ·TOA 定位技术 | 第16-17页 |
| ·TDOA 定位技术 | 第17-18页 |
| ·蜂窝网无线定位系统 | 第18-20页 |
| ·体系架构 | 第18-19页 |
| ·TOA 与 TDOA 测量与估计 | 第19-20页 |
| ·蜂窝网无线定位信道模型 | 第20-23页 |
| ·T1P1(COST259)模型 | 第21-22页 |
| ·延时扩展 Greenstein 模型 | 第22页 |
| ·蜂窝网拓扑结构 | 第22-23页 |
| ·多点定位评价指标 | 第23页 |
| ·蜂窝网无线系统的主要噪声 | 第23-26页 |
| 第三章 基于 TDOA 的蜂窝网定位算法 | 第26-45页 |
| ·TDOA 定位算法数学模型 | 第26-27页 |
| ·Taylor 算法 | 第27-28页 |
| ·Chan 算法 | 第28-32页 |
| ·基于神经网络的 TDOA 定位算法 | 第32-40页 |
| ·神经网络 | 第32-36页 |
| ·神经元模型 | 第33-34页 |
| ·神经网络结构 | 第34-35页 |
| ·神经网络基本学习方法 | 第35-36页 |
| ·Elman 神经网络 | 第36-38页 |
| ·基于 Elman 神经网络的 Chan 算法 | 第38-40页 |
| ·仿真分析 | 第40-44页 |
| ·算法在高斯环境下的性能比较 | 第40-42页 |
| ·算法在实际信道环境下的性能比较 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于 TDOA 的蜂窝网移动跟踪算法 | 第45-69页 |
| ·贝叶斯滤波 | 第45-53页 |
| ·卡尔曼滤波 | 第47-48页 |
| ·扩展卡尔曼滤波 | 第48-49页 |
| ·无损卡尔曼滤波 | 第49-53页 |
| ·粒子滤波 | 第53页 |
| ·粒子滤波基本算法 | 第53-60页 |
| ·蒙特卡洛方法 | 第53-55页 |
| ·序贯重要性采样 | 第55-56页 |
| ·重要性分布函数 | 第56-57页 |
| ·粒子退化及重采样 | 第57-59页 |
| ·粒子滤波算法流程 | 第59-60页 |
| ·基于 TDOA 的粒子滤波跟踪算法 | 第60-62页 |
| ·仿真分析 | 第62-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 结论与展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
