| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-18页 |
| 1.1 高g值加速度传感器动态补偿意义 | 第9-10页 |
| 1.2 传感器动态补偿研究现状 | 第10-15页 |
| 1.3 论文安排 | 第15-16页 |
| 1.4 传感器补偿过程 | 第16-18页 |
| 2. 高g值加速度传感器动态性能及补偿原理 | 第18-29页 |
| 2.1 传感器模型 | 第18-21页 |
| 2.1.1 连续测试系统 | 第19-20页 |
| 2.1.2 离散测试系统 | 第20-21页 |
| 2.2 动态性能指标 | 第21-22页 |
| 2.2.1 时间域动态性能 | 第21-22页 |
| 2.2.2 频率域动态性能 | 第22页 |
| 2.3 高g值加速度传感器实测数据分析 | 第22-27页 |
| 2.4 高g值加速度传感器动态补偿原理 | 第27-28页 |
| 2.5 本章总结 | 第28-29页 |
| 3. 零极点相消动态补偿法 | 第29-46页 |
| 3.1 零极点相消动态补偿原理 | 第29-31页 |
| 3.2 传感器模型辨识 | 第31-36页 |
| 3.2.1 最小二乘法 | 第31-33页 |
| 3.2.2 同时辨识差分方程模型阶次和参数（SIM(IV)） | 第33-35页 |
| 3.2.3 一种特殊白化滤波器的广义最小二乘法（GLS(SF)） | 第35-36页 |
| 3.3 仿真分析 | 第36-44页 |
| 3.4 总结 | 第44-46页 |
| 4. 神经网络动态补偿及改进算法 | 第46-66页 |
| 4.1 BP神经网络理论 | 第46-48页 |
| 4.2 径向基函数（RBF）神经网络 | 第48-51页 |
| 4.3 改进型变尺度法（L-BFGS）与RBF神经网络结合算法 | 第51-57页 |
| 4.4 改进算法验证 | 第57-63页 |
| 4.5 与零极点相消动态补偿法比较 | 第63-64页 |
| 4.6 本章总结 | 第64-66页 |
| 5. 高g值加速度传感器动态性能补偿 | 第66-83页 |
| 5.1 基于高冲击台高g值传感器校准系统 | 第66-75页 |
| 5.1.1 高冲击台基本原理 | 第67-68页 |
| 5.1.2 冲击比较法 | 第68-71页 |
| 5.1.3 校准系统不确定度分析 | 第71-75页 |
| 5.2 高g值加速度传感器动态补偿 | 第75-82页 |
| 5.2.1 原始数据预处理 | 第75-78页 |
| 5.2.2 高g值压阻式加速度传感器动态补偿 | 第78-82页 |
| 5.3 本章总结 | 第82-83页 |
| 6. 总结与展望 | 第83-85页 |
| 6.1 总结 | 第83-84页 |
| 6.2 创新点总结 | 第84页 |
| 6.3 下一步工作 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 硕士期间发表的论文及科研工作 | 第90-91页 |
| 致谢 | 第91-92页 |
