| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 论文研究目的和意义 | 第8页 |
| 1.2 滤波技术的研究现状 | 第8-11页 |
| 1.2.1 非线性滤波技术的研究现状 | 第8-10页 |
| 1.2.2 粒子滤波技术的研究现状 | 第10-11页 |
| 1.3 PF的应用 | 第11-13页 |
| 1.4 PF的主要研究问题 | 第13-14页 |
| 1.5 本文研究内容和结构 | 第14-16页 |
| 第二章 融合RTS平滑的迭代无迹卡尔曼粒子滤波方法 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 基本粒子滤波算法 | 第16-23页 |
| 2.2.1 贝叶斯滤波原理 | 第16-17页 |
| 2.2.2 Monte Carlo方法 | 第17-18页 |
| 2.2.3 重要性采样 | 第18-19页 |
| 2.2.4 序列重要性采样 | 第19-21页 |
| 2.2.5 重采样 | 第21-22页 |
| 2.2.6 重要性函数的选取 | 第22-23页 |
| 2.3 RTS-IUKF平滑算法 | 第23-25页 |
| 2.4 RTS-IUKF-PF算法 | 第25-26页 |
| 2.5 仿真研究 | 第26-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 变步长自适应人工鱼群优化的IUKF-PF | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 重采样算法 | 第30-31页 |
| 3.2.1 多项式重采样算法 | 第30页 |
| 3.2.2 分层重采样算法 | 第30-31页 |
| 3.2.3 系统重采样算法 | 第31页 |
| 3.2.4 残差重采样算法 | 第31页 |
| 3.3 优化IUKF-PF算法 | 第31-37页 |
| 3.3.1 人工鱼群算法 | 第32-35页 |
| 3.3.2 变步长自适应人工鱼群算法 | 第35-36页 |
| 3.3.3 优化滤波算法 | 第36-37页 |
| 3.4 仿真研究 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 改进的差分粒子滤波算法 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 扩展卡尔曼滤波算法 | 第42-44页 |
| 4.3 中心差分卡尔曼滤波 | 第44-47页 |
| 4.4 改进的中心差分卡尔曼粒子滤波算法 | 第47-49页 |
| 4.5 仿真研究 | 第49-53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考 文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |