| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 相关研究现状 | 第8-12页 |
| 1.2.1 5G通信技术研究现状 | 第8-9页 |
| 1.2.2 无人机自主导航技术研究现状 | 第9-10页 |
| 1.2.3 手势分类技术研究现状 | 第10-12页 |
| 1.3 论文组织结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 无人机自主导航通信系统理论分析 | 第13-21页 |
| 2.1 射线传播模型概述 | 第13-15页 |
| 2.2 下一代5G通信技术概述 | 第15-19页 |
| 2.3 基于5G无线通信的信号传输系统模型 | 第19-20页 |
| 2.3.1 信号传输与用户分布模型 | 第19-20页 |
| 2.3.2 毫米波传输信道模型 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 无人机自主导航通信系统设计 | 第21-30页 |
| 3.1 传统天线模型介绍 | 第21-22页 |
| 3.2 全向式筒形无人机挂载天线设计 | 第22-28页 |
| 3.3 无人机导航系统仿真 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 无人机环境交互系统理论分析 | 第30-40页 |
| 4.1 城市飞行无人机的人机交互系统概述 | 第30-31页 |
| 4.2 深度学习相关理论概述 | 第31-32页 |
| 4.3 卷积神经网络 | 第32-39页 |
| 4.3.1 卷积神经网络概念 | 第32-33页 |
| 4.3.2 全连接神经网络计算 | 第33-37页 |
| 4.3.3 卷积神经网络计算 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 城市飞行无人机手势分类系统设计 | 第40-53页 |
| 5.1 基于图像的传统手势分割方法 | 第40页 |
| 5.2 基于多点深度TOF直方图自适应手势分割方法 | 第40-47页 |
| 5.3 基于深度学习的手势分类预测系统设计 | 第47-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结和展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间的研究成果 | 第60页 |