| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 主要符号说明 | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 导航技术的发展 | 第9-10页 |
| 1.2.2 列车定位方法的发展 | 第10-11页 |
| 1.2.3 基于多传感器的数据融合算法的发展 | 第11-12页 |
| 1.3 论文的研究框架及内容 | 第12-14页 |
| 第二章 GNSS/INS组合导航系统原理概述 | 第14-22页 |
| 2.1 INS原理及数学模型 | 第14-17页 |
| 2.1.1 INS基本原理 | 第14-15页 |
| 2.1.2 INS的数学模型 | 第15-17页 |
| 2.2 GNSS系统概述 | 第17-19页 |
| 2.2.1 卫星导航系统概述 | 第17页 |
| 2.2.2 GNSS/INS组合导航基本原理 | 第17-19页 |
| 2.3 基于GNSS/INS的列车定位原理 | 第19-20页 |
| 2.4 GNSS/INS的基本数学模型 | 第20-22页 |
| 第三章 经典滤波算法研究现状及改进方向 | 第22-31页 |
| 3.1 无迹Kalman滤波算法的基本原理和过程 | 第22-23页 |
| 3.2 标准粒子滤波算法(PF) | 第23-26页 |
| 3.2.1 PF算法的基本原理和过程 | 第23-25页 |
| 3.2.2 PF算法的具体实现步骤 | 第25-26页 |
| 3.3 无迹粒子滤波(UPF)及其优缺点分析研究 | 第26-29页 |
| 3.3.1 UPF算法的基本原理 | 第26页 |
| 3.3.2 各种滤波算法的仿真分析 | 第26-29页 |
| 3.4 关于无迹粒子滤波(UPF)改进方向的探讨 | 第29-31页 |
| 第四章 基于最速下降法的人工鱼群UPF算法 | 第31-46页 |
| 4.1 人工鱼群粒子滤波算法 | 第31-33页 |
| 4.1.1 人工鱼群算法与粒子滤波算法的可结合性 | 第31页 |
| 4.1.2 人工鱼群算法基本原理 | 第31-33页 |
| 4.2 基本人工鱼群算法与最速下降法分析 | 第33-39页 |
| 4.2.1 最速下降法 | 第33-34页 |
| 4.2.2 基于最速下降法精英加速的改进人工鱼群算法 | 第34-36页 |
| 4.2.3 算法性能分析 | 第36-39页 |
| 4.3 基于最速下降法的AFSA-UPF算法流程 | 第39-46页 |
| 4.3.1 算法基本流程 | 第39-41页 |
| 4.3.2 仿真实验分析 | 第41-46页 |
| 第五章 基于扩散序列重采样策略的改进RBUPF算法 | 第46-58页 |
| 5.1 基于Rao-Blackwellized思想的滤波算法 | 第46-50页 |
| 5.1.1 Rao-Blackwellized思想 | 第46-47页 |
| 5.1.2 重采样技术的改进 | 第47页 |
| 5.1.3 小权值粒子空间状态扩散序列算法 | 第47-50页 |
| 5.2 改进的RBUPF算法 | 第50-52页 |
| 5.3 仿真结果及分析 | 第52-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结 | 第58-60页 |
| 6.1 主要研究内容和创新点 | 第58-59页 |
| 6.2 今后研究工作及展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 个人简历在读期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
