| 摘要 | 第1-13页 |
| ABSTRACT | 第13-15页 |
| 第一章 绪论 | 第15-30页 |
| ·开展多机器人合作定位技术研究的意义 | 第15-19页 |
| ·机器人定位技术研究进展 | 第19-25页 |
| ·已有的单个机器人定位技术 | 第19-22页 |
| ·多机器人定位技术的研究 | 第22-25页 |
| ·合作定位中的优化问题 | 第25-27页 |
| ·本文的主要研究内容及创新点 | 第27-30页 |
| 第二章 基于 EKF 方法的多机器人定位 | 第30-65页 |
| ·移动机器人的运动模型 | 第30-34页 |
| ·单个机器人的运动模型 | 第30-33页 |
| ·多机器人群的运动模型 | 第33-34页 |
| ·基于相对观测量的 EKF 定位 | 第34-40页 |
| ·状态的预测及推演 | 第35-36页 |
| ·状态的更新 | 第36-40页 |
| ·仿真实验及分析 | 第40-54页 |
| ·仿真实验 | 第40-49页 |
| ·仿真结果分析 | 第49-51页 |
| ·定位误差分析 | 第51-54页 |
| ·基于相对方位的改进算法 | 第54-59页 |
| ·算法描述 | 第54-56页 |
| ·算法仿真结果 | 第56-59页 |
| ·实验平台及结果 | 第59-64页 |
| ·实验平台 | 第59-61页 |
| ·实验结果 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第三章 观测量的选择及分布式机制 | 第65-83页 |
| ·基于熵的分布式观测量选择方法 | 第65-71页 |
| ·问题描述 | 第65-67页 |
| ·基于信息熵的观测量选择 | 第67-71页 |
| ·算法分析及仿真实验 | 第71-75页 |
| ·算法分析 | 第71-72页 |
| ·仿真实验 | 第72-75页 |
| ·EKF 方法的分布式机制 | 第75-82页 |
| ·状态推演 | 第76-77页 |
| ·滤波更新 | 第77-79页 |
| ·进一步的推演和更新 | 第79-82页 |
| ·本章小结 | 第82-83页 |
| 第四章 合作定位中的最佳运动轨迹分析 | 第83-104页 |
| ·运动优化的准则 | 第83-84页 |
| ·机器人最优位置分布 | 第84-91页 |
| ·单个机器人与路标的情形 | 第85-88页 |
| ·多个机器人的情形 | 第88-91页 |
| ·最优的运动轨迹 | 第91-100页 |
| ·优化问题的建立 | 第92-93页 |
| ·轨迹优化算法 | 第93-94页 |
| ·仿真实验及分析 | 第94-100页 |
| ·关于优化轨迹的讨论 | 第100-102页 |
| ·本章小结 | 第102-104页 |
| 第五章 基于粒子滤波的多机器人定位 | 第104-139页 |
| ·粒子滤波器 | 第105-110页 |
| ·Bayesian 滤波问题 | 第105-106页 |
| ·模拟数值逼近与Bayesian 重要性抽样及重抽样 | 第106-110页 |
| ·基于PF-EKF 的多机器人定位 | 第110-121页 |
| ·相对观测量 | 第111-112页 |
| ·粒子滤波器的应用 | 第112-115页 |
| ·仿真实验 | 第115-119页 |
| ·实际实验结果 | 第119-121页 |
| ·一种改进的粒子滤波器（IUPF） | 第121-132页 |
| ·UKF 算法及其改进 | 第122-125页 |
| ·数值仿真与试验 | 第125-129页 |
| ·改进的粒子滤波器（IUPF） | 第129-130页 |
| ·实验与分析 | 第130-132页 |
| ·并行高斯粒子滤波器结构分析和实现 | 第132-138页 |
| ·高斯粒子滤波算法并行优化 | 第132-135页 |
| ·高斯粒子滤波并行结构设计 | 第135-138页 |
| ·本章小结 | 第138-139页 |
| 第六章 总结与未来工作 | 第139-141页 |
| 攻读博士学位期间发表的论文 | 第141-143页 |
| 致谢 | 第143-144页 |
| 参考文献表 | 第144-151页 |