多传感器信息融合算法在室内定位中的应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文研究背景与意义 | 第10-11页 |
| 1.2 本文主要工作内容和目的 | 第11-12页 |
| 1.3 论文结构安排 | 第12-14页 |
| 第二章 相关研究及技术介绍 | 第14-24页 |
| 2.1 室内定位技术介绍与研究 | 第14-20页 |
| 2.1.1 基于GPS的室内定位技术A-GPS | 第14-15页 |
| 2.1.2 基于室内无线通信的室内定位技术 | 第15-18页 |
| 2.1.3 基于惯性传感器的定位技术 | 第18-19页 |
| 2.1.4 基于磁场传感器的定位技术 | 第19-20页 |
| 2.2 基于无线通信的室内定位方法 | 第20-22页 |
| 2.2.1 到达时间法 | 第20页 |
| 2.2.2 到达时间差法 | 第20-21页 |
| 2.2.3 基于信号强度的定位方法 | 第21-22页 |
| 2.2.4 接受信号角度法 | 第22页 |
| 2.3 当前室内定位技术的问题和本论文的方案 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于智能手机的多传感器信息融合算法 | 第24-50页 |
| 3.1 基于改进的行人航位推算算法 | 第25-39页 |
| 3.1.1 行人航位推算原理 | 第25-27页 |
| 3.1.2 传统方法存在的问题及解决方法 | 第27-28页 |
| 3.1.3 行人步态特征规律分析 | 第28-32页 |
| 3.1.4 基于动态阈值的步伐检测算法 | 第32-34页 |
| 3.1.5 自适应步伐长度算法 | 第34-36页 |
| 3.1.6 步行者方向估计算法 | 第36-39页 |
| 3.2 磁场匹配算法 | 第39-47页 |
| 3.2.1 磁场匹配原理 | 第39-40页 |
| 3.2.2 磁场地图建立 | 第40-42页 |
| 3.2.3 粒子滤波算法概述 | 第42-43页 |
| 3.2.4 基于粒子滤波的磁场匹配算法 | 第43-47页 |
| 3.3 基于压力传感器的楼层定位算法 | 第47-49页 |
| 3.3.1 气压规律和压力传感器原理 | 第47-48页 |
| 3.3.2 楼层定位算法 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 系统仿真验证与性能分析 | 第50-62页 |
| 4.1 系统整体架构 | 第50-51页 |
| 4.2 实验环境配置 | 第51-52页 |
| 4.3 行人航位推算实验与分析 | 第52-57页 |
| 4.3.1 行人步伐检测实验 | 第52-53页 |
| 4.3.2 自适应步伐长度算法实验 | 第53-56页 |
| 4.3.3 步行者方向估计算法实验 | 第56-57页 |
| 4.4 楼层定位算法实验 | 第57-58页 |
| 4.5 系统整体仿真实验和分析 | 第58-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-66页 |
| 5.1 论文工作总结 | 第62-63页 |
| 5.2 未来研究展望 | 第63-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文 | 第72页 |
