观测数据不完全的动态定位算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景 | 第9-11页 |
| ·国内外研究现状分析 | 第11-13页 |
| ·本文的研究思路 | 第13-14页 |
| ·本文的主要研究内容与组织结构 | 第14-16页 |
| ·研究内容 | 第14页 |
| ·组织结构 | 第14-16页 |
| 第二章 缺失数据处理方法 | 第16-28页 |
| ·删除法 | 第16页 |
| ·加权调整法 | 第16页 |
| ·填补法 | 第16-20页 |
| ·单一填补 | 第17-18页 |
| ·多重填补法 | 第18-20页 |
| ·EM算法 | 第20-22页 |
| ·多传感器融合处理方法 | 第22-26页 |
| ·多传感器线性最小方差最优递推融合 | 第23-25页 |
| ·多传感器按标量加权最小二乘融合法 | 第25页 |
| ·多传感器加权矩阵的最小协方差矩阵融合法 | 第25-26页 |
| ·基于神经网络的处理方法 | 第26页 |
| ·方法效果评价指标 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 GPS动态定位的卡尔曼滤波算法 | 第28-34页 |
| ·卡尔曼滤波基本方程 | 第28-30页 |
| ·卡尔曼滤波在GPS定位中的应用 | 第30-31页 |
| ·卡尔曼滤波初值的选择 | 第31-32页 |
| ·建立动态定位中的卡尔曼滤波模型 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 观测数据缺失时的动态定位算法 | 第34-41页 |
| ·基于次优卡尔曼滤波的处理方法 | 第34-36页 |
| ·基于灰预测模型的缺失数据处理方法 | 第36-37页 |
| ·拟合组合法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 缺失观测数据的动态定位算例及分析 | 第41-51页 |
| ·模拟算例 | 第41-42页 |
| ·模拟算例处理结果 | 第42-45页 |
| ·次优卡尔曼滤波法处理结果 | 第42-43页 |
| ·灰预测法处理结果 | 第43-44页 |
| ·拟合组合法处理结果 | 第44-45页 |
| ·实际算例 | 第45-46页 |
| ·实际算例处理结果 | 第46-51页 |
| ·次优卡尔曼滤波法处理结果 | 第46-48页 |
| ·灰预测法处理结果 | 第48-49页 |
| ·拟合组合法处理结果 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·本文总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 附录 | 第58-61页 |
| 附录1 卡尔曼滤波程序 | 第58页 |
| 附录2 移动最小二乘曲线拟合法 | 第58-60页 |
| 附录3 灰预测法 | 第60-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间主要研究成果 | 第62页 |
