基于UWB的无线测距与车辆组合定位算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 车辆定位技术的国内外研究现状 | 第11-13页 |
| 1.2.1 定位技术的国内外发展现状 | 第11-12页 |
| 1.2.2 定位算法的国内外发展现状 | 第12-13页 |
| 1.3 本文的研究思路及章节安排 | 第13-15页 |
| 1.3.1 研究思路 | 第13页 |
| 1.3.2 章节安排 | 第13-15页 |
| 第二章 无线定位技术概述 | 第15-28页 |
| 2.1 无线定位的方法 | 第15-19页 |
| 2.1.1 基于信号强度的定位方法 | 第15页 |
| 2.1.2 基于信号到达时间的定位方法 | 第15-17页 |
| 2.1.3 基于信号到达角度的定位方法 | 第17-18页 |
| 2.1.4 基于时间差的定位方法 | 第18-19页 |
| 2.1.5 常用定位方法比较 | 第19页 |
| 2.2 超宽带定位技术 | 第19-21页 |
| 2.2.1 超宽带的基本概念 | 第19-20页 |
| 2.2.2 超宽带定位技术的基本原理 | 第20-21页 |
| 2.2.3 超宽带的技术优势 | 第21页 |
| 2.3 超宽带定位系统估计模型 | 第21-27页 |
| 2.3.1 超宽带信号脉冲模型 | 第21-22页 |
| 2.3.2 超宽带信号的调制和扩频 | 第22-24页 |
| 2.3.3 超宽带信道模型及仿真 | 第24-27页 |
| 2.3.4 超宽带接收模型 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于UWB技术的车辆定位算法研究 | 第28-49页 |
| 3.1 经典的超宽带定位算法 | 第28-35页 |
| 3.1.1 LS定位算法 | 第29-30页 |
| 3.1.2 Chan定位算法 | 第30-32页 |
| 3.1.3 Taylor定位算法 | 第32-35页 |
| 3.2 Chan-Taylor协同定位算法 | 第35-36页 |
| 3.3 FCL坐标估计算法 | 第36-41页 |
| 3.3.1 建立优化定位模型 | 第36-38页 |
| 3.3.2 外部罚函数法 | 第38-39页 |
| 3.3.3 变尺度算法 | 第39-41页 |
| 3.3.4 算法收敛性证明 | 第41页 |
| 3.4 基于模型融合的车辆定位算法 | 第41-42页 |
| 3.5 定位算法仿真与分析 | 第42-47页 |
| 3.5.1 算法影响因素及性能评估指标 | 第42-43页 |
| 3.5.2 算法仿真及对比分析 | 第43-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 基于BP神经网络的UWB技术定位 | 第49-59页 |
| 4.1 BP神经网络简述 | 第49-54页 |
| 4.1.1 BP神经网络基础 | 第49-50页 |
| 4.1.2 BP神经网络的工作原理和权值修正 | 第50-52页 |
| 4.1.3 BP神经网络对TOA测量值的修正 | 第52-54页 |
| 4.2 基于BP神经网络的算法流程 | 第54-55页 |
| 4.3 仿真环境搭建 | 第55-56页 |
| 4.4 仿真结果分析 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 室内外协同的车辆组合定位系统 | 第59-69页 |
| 5.1 坐标变换 | 第59-62页 |
| 5.1.1 坐标描述 | 第59-60页 |
| 5.1.2 坐标变换 | 第60-62页 |
| 5.2 车辆组合定位系统概述 | 第62-66页 |
| 5.2.1 车辆组合定位系统简介 | 第62-63页 |
| 5.2.2 GPS定位原理概述 | 第63-64页 |
| 5.2.3 基于UWB的定位原理 | 第64-66页 |
| 5.3 GPS/UWB技术组合定位系统 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
