| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 主要符号说明 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于载波跟踪环路改进的研究现状 | 第12-13页 |
| 1.2.2 基于非线性算法在定位解算中应用研究现状 | 第13-14页 |
| 1.2.3 基于多源信息组合定位算法研究现状 | 第14-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 第二章 定位算法研究 | 第17-28页 |
| 2.1 基于LS的定位算法研究 | 第17-20页 |
| 2.1.1 LS算法原理 | 第17-18页 |
| 2.1.2 LS估计位置和速度 | 第18-20页 |
| 2.2 基于EKF的定位算法研究 | 第20-23页 |
| 2.2.1 EKF算法流程 | 第21页 |
| 2.2.2 EKF算法的状态和观测模型 | 第21-23页 |
| 2.3 基于UKF的定位算法研究 | 第23-24页 |
| 2.3.1 UKF算法流程 | 第23-24页 |
| 2.4 基于LS、EKF、UKF算法实验仿真与分析 | 第24-26页 |
| 2.4.1 LS、EKF算法实验结果对比 | 第24-26页 |
| 2.4.2 EKF、UKF算法试验结果对比 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于粒子滤波的载波跟踪和定位算法研究 | 第28-39页 |
| 3.1 载波跟踪环路基本原理 | 第28-30页 |
| 3.2 基于PF的载波跟踪环路设计 | 第30-33页 |
| 3.2.1 标准PF算法 | 第30-31页 |
| 3.2.2 基于PF的载波跟踪环 | 第31-33页 |
| 3.3 基于PF的定位解算设计 | 第33-34页 |
| 3.3.1 PF定位解算的状态和观测模型 | 第33-34页 |
| 3.4 实验仿真与分析 | 第34-38页 |
| 3.4.1 基于PF的载波跟踪环仿真与分析 | 第34-36页 |
| 3.4.2 基于PF的定位解算仿真与分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 阴影匹配/粒子滤波自适应加权组合定位算法研究 | 第39-52页 |
| 4.1 SM定位原理 | 第39-41页 |
| 4.2 基于SM定位的优化算法 | 第41-44页 |
| 4.2.1 SM/KF组合定位算法 | 第41-42页 |
| 4.2.2 SM/PF组合定位算法 | 第42-44页 |
| 4.3 SM/PF自适应加权组合定位算法 | 第44-48页 |
| 4.3.1 系统状态方程和观测方程 | 第44-45页 |
| 4.3.2 自适应加权权值计算 | 第45-46页 |
| 4.3.3 算法结构总体框架 | 第46-48页 |
| 4.4 实验仿真与分析 | 第48-51页 |
| 4.4.1 实验场景和建筑物轮廓模型 | 第48-49页 |
| 4.4.2 SM定位结果和SM定位特性 | 第49-50页 |
| 4.4.3 几种算法定位性能对比 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于智能终端的多源传感信息组合定位算法研究 | 第52-74页 |
| 5.1 智能终端传感器 | 第52-56页 |
| 5.1.1 智能终端传感器类型 | 第52-54页 |
| 5.1.2 智能终端可用于定位的传感器 | 第54-56页 |
| 5.2 基于智能终端传感器的定位原理 | 第56-63页 |
| 5.2.1 传感器数据获取 | 第56-57页 |
| 5.2.2 航位推算原理 | 第57-58页 |
| 5.2.3 惯性传感器定位原理 | 第58-63页 |
| 5.3 算法模型的建立 | 第63-65页 |
| 5.4 实验仿真与分析 | 第65-73页 |
| 5.4.1 实验场景和实验数据采集 | 第65-68页 |
| 5.4.2 多源信息组合定位算法性能分析 | 第68-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 工作总结与展望 | 第74-76页 |
| 6.1 工作总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 个人简历 在读期间发表的学术论文 | 第80-81页 |
| 致谢 | 第81页 |
