| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·课题的国内外研究现状 | 第10-12页 |
| ·姿态测量 | 第10-11页 |
| ·数据融合 | 第11页 |
| ·数据融合算法 | 第11-12页 |
| ·论文研究的主要内容 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 可穿戴传感网络 | 第14-31页 |
| ·可穿戴传感网络概述 | 第14-16页 |
| ·可穿戴传感网络概念 | 第14-15页 |
| ·可穿戴传感网络应用背景 | 第15-16页 |
| ·可穿戴传感网络中的姿态测量技术 | 第16-27页 |
| ·三维坐标系的定义及转换 | 第16-19页 |
| ·姿态表示方法 | 第19-25页 |
| ·姿态测量的基本原理 | 第25-27页 |
| ·数据融合基本理论 | 第27-30页 |
| ·数据融合系统的功能模型 | 第27-28页 |
| ·数据融合体系结构 | 第28页 |
| ·数据融合层次描述 | 第28-30页 |
| ·数据融合的主要方法 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于 Kalman 滤波的数据融合算法研究 | 第31-47页 |
| ·线性离散 Kalman 滤波算法 | 第31-37页 |
| ·状态方程 | 第31-32页 |
| ·观测方程 | 第32-33页 |
| ·递推方程 | 第33-34页 |
| ·初始状态 | 第34-35页 |
| ·仿真实验 | 第35-37页 |
| ·非线性扩展 Kalman 滤波算法（EKF） | 第37-41页 |
| ·非线性模型的线性化 | 第37-39页 |
| ·EKF 算法基本公式 | 第39页 |
| ·仿真实验 | 第39-41页 |
| ·非线性无味 Kalman 滤波算法（UKF） | 第41-46页 |
| ·UT 变换 | 第41-43页 |
| ·UKF 算法原理 | 第43-44页 |
| ·仿真实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于自适应滤波的数据融合算法研究 | 第47-55页 |
| ·自适应滤波器结构 | 第47-49页 |
| ·自适应滤波算法 | 第49-54页 |
| ·LMS 算法 | 第49-51页 |
| ·RLS 算法 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于 LMS 的自适应互补滤波算法 | 第55-71页 |
| ·异质传感器数据融合算法设计 | 第56-60页 |
| ·加速度—磁力组合姿态估计方法 | 第56-57页 |
| ·角速度姿态估计 | 第57-58页 |
| ·互补滤波 | 第58页 |
| ·算法框架 | 第58-60页 |
| ·实验仿真及分析 | 第60-70页 |
| ·传感器介绍 | 第61页 |
| ·传感器校准 | 第61-62页 |
| ·实验方案和测试数据 | 第62-66页 |
| ·算法仿真结果与分析比较 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 附录 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 致谢 | 第77页 |