| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 粒子滤波的研究概述 | 第10-15页 |
| 1.2.1 粒子滤波的发展历程 | 第10页 |
| 1.2.2 粒子滤波现存问题分析 | 第10-13页 |
| 1.2.3 粒子滤波的应用领域 | 第13-15页 |
| 1.3 论文结构编排 | 第15-17页 |
| 第二章 粒子滤波基础知识 | 第17-27页 |
| 2.1 递推贝叶斯滤波理论 | 第17-19页 |
| 2.2 蒙特卡罗方法 | 第19-20页 |
| 2.3 序贯重要性采样（SIS） | 第20-23页 |
| 2.4 序贯重要性重采样（SIR） | 第23-24页 |
| 2.5 标准粒子滤波算法流程 | 第24页 |
| 2.6 试验仿真 | 第24-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 基于引力场的粒子滤波算法 | 第27-37页 |
| 3.1 问题的描述 | 第27-28页 |
| 3.2 引力场算法 | 第28-29页 |
| 3.3 基于引力场的粒子滤波算法（GFA-PF) | 第29-30页 |
| 3.4 GFA-PF算法性能分析 | 第30-33页 |
| 3.4.1 算法收敛性 | 第30页 |
| 3.4.2 粒子样本空间分布特性 | 第30-32页 |
| 3.4.3 对比UNGM模型的CRLB | 第32-33页 |
| 3.5 试验仿真及分析 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于粒子滤波的SLAM研究 | 第37-48页 |
| 4.1 SLAM的模型描述 | 第37-38页 |
| 4.2 FastSLAM2.0算法 | 第38-41页 |
| 4.3 基于引力场优化的FastSLAM2.0算法 | 第41-43页 |
| 4.3.1 引力场优化思想改善粒子分布 | 第41-42页 |
| 4.3.2 算法流程 | 第42-43页 |
| 4.4 仿真实验结果及分析 | 第43-46页 |
| 4.4.1 移动机器人仿真模型 | 第43页 |
| 4.4.2 仿真结果分析 | 第43-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 个人简历 在读期间发表的学术论文 | 第55页 |
| 致谢 | 第55页 |