| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第1章 绪论 | 第13-18页 |
| ·研究的背景与意义 | 第13页 |
| ·国内外研究现状 | 第13-15页 |
| ·场景信息定位技术 | 第14页 |
| ·几何定位法 | 第14-15页 |
| ·论文主要研究内容及创新点 | 第15-18页 |
| ·主要研究内容 | 第15-17页 |
| ·主要创新点 | 第17-18页 |
| 第2章 基于灰色理论与RBF神经网络的传播损耗模型构建 | 第18-30页 |
| ·传播损耗模型的理论与算法概述 | 第18-19页 |
| ·理论描述 | 第18页 |
| ·算法概述 | 第18-19页 |
| ·基于RBF神经网络的传播损耗模型训练 | 第19-24页 |
| ·RBF神经网络结构 | 第20-21页 |
| ·传统采样模式的播损耗模型构建 | 第21-23页 |
| ·变密度采样模式的传播损耗模型构建 | 第23-24页 |
| ·基于灰色-RBF神经网络的传播损耗模型训练 | 第24-27页 |
| ·灰色系统原理 | 第25-26页 |
| ·灰色预测 | 第26-27页 |
| ·仿真实验及结果分析 | 第27-30页 |
| 第3章 基于误差补偿的加权适应度粒子滤波定位算法 | 第30-39页 |
| ·求解最优化问题实现定位 | 第30-34页 |
| ·定位算法实现原理 | 第30-33页 |
| ·粒子滤波优化算法 | 第33-34页 |
| ·基于误差补偿的定位算法优化 | 第34-35页 |
| ·仿真实验及结果分析 | 第35-39页 |
| 第4章 基于转向角补偿的无味卡尔曼跟踪算法 | 第39-54页 |
| ·卡尔曼滤波 | 第39-41页 |
| ·非线性系统跟踪 | 第41-42页 |
| ·无味卡尔曼滤波算法 | 第42-47页 |
| ·UKF跟踪算法 | 第42-44页 |
| ·EKF、UKF算法跟踪比较 | 第44-47页 |
| ·基于转向角补偿的跟踪算法优化 | 第47-51页 |
| ·转向角补偿的角度界定 | 第47-50页 |
| ·坐标系旋转变换公式 | 第50-51页 |
| ·仿真实验及结果分析 | 第51-54页 |
| 第5章 实验研究 | 第54-66页 |
| ·传播损耗模型训练实验 | 第54-57页 |
| ·定位跟踪实验 | 第57-61页 |
| ·实验系统设计 | 第57-59页 |
| ·实验方案 | 第59-61页 |
| ·实验结果与分析 | 第61-66页 |
| ·传播损耗模型实验结果与分析 | 第61-62页 |
| ·定位实验结果与分析 | 第62-63页 |
| ·目标跟踪实验与结果分析 | 第63-66页 |
| 第6章 结论与展望 | 第66-68页 |
| ·论文结论 | 第66-67页 |
| ·室内定位技术展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第73-74页 |