| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景与意义 | 第10-11页 |
| ·地形识别和分类研究现状 | 第11-13页 |
| ·马尔可夫过程的应用现状 | 第13-14页 |
| ·应用马尔可夫过程进行地形识别分类的工作流程 | 第14-15页 |
| ·本文的主要内容与结构 | 第15-17页 |
| ·主要研究内容 | 第15-16页 |
| ·论文的框架与结构 | 第16-17页 |
| 第2章 实验数据采集和处理 | 第17-24页 |
| ·自治移动机器人简介 | 第17-19页 |
| ·移动机器人的结构 | 第17-18页 |
| ·移动机器人的控制系统 | 第18-19页 |
| ·地形数据采集实验 | 第19-23页 |
| ·实验方案设计 | 第20页 |
| ·实验环境与条件 | 第20-21页 |
| ·测试分析系统 | 第21页 |
| ·加速度计布局 | 第21-22页 |
| ·实验操作 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 数据处理与特征表达 | 第24-35页 |
| ·实验数据处理 | 第24-30页 |
| ·马尔可夫链的基本概念 | 第24-26页 |
| ·数据的前期处理 | 第26-29页 |
| ·前期处理编程实现 | 第29-30页 |
| ·数据的特征提取 | 第30-34页 |
| ·数据特征描述 | 第30-32页 |
| ·特征提取实现 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 马尔可夫链地形识别研究 | 第35-53页 |
| ·序列指标的分类 | 第35-38页 |
| ·样本均值和均方差分组法 | 第35页 |
| ·状态分类编程实现 | 第35-38页 |
| ·计算转移概率 | 第38-41页 |
| ·转移概率及 Chapman-Kolmogorov 方程 | 第38-40页 |
| ·计算转移概率矩阵 | 第40-41页 |
| ·马氏性检验 | 第41-42页 |
| ·三种马尔可夫链预测识别方法 | 第42-44页 |
| ·绝对马尔可夫链 | 第42页 |
| ·叠加马尔可夫链 | 第42-43页 |
| ·加权马尔可夫链 | 第43-44页 |
| ·两种马尔可夫链预测方式与结果 | 第44-52页 |
| ·固定样本长度的马尔可夫链预测识别 | 第44-46页 |
| ·动态样本长度的马尔可夫链预测识别 | 第46-48页 |
| ·两种预测方式编程实现 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 马尔可夫链预测结果分析与评价 | 第53-60页 |
| ·不同参量的预测结果分析 | 第53-57页 |
| ·不同特征的预测结果分析 | 第53页 |
| ·传感器方向对预测识别结果的影响 | 第53-55页 |
| ·不同行驶速度的预测识别结果分析 | 第55-56页 |
| ·不同地形的预测识别结果分析 | 第56-57页 |
| ·不同马尔可夫链的方法比较 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |