基于传感器/执行器网络的室内服务机器人定位技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 传感器/执行器网络的发展 | 第11-13页 |
| 1.2.2 室内定位技术的发展 | 第13-15页 |
| 1.3 研究内容和章节安排 | 第15-18页 |
| 第2章 无线传感器网络定位技术 | 第18-34页 |
| 2.1 基本术语 | 第18页 |
| 2.2 定位算法的分类与评价 | 第18-26页 |
| 2.3 常见的定位算法 | 第26-29页 |
| 2.3.1 三边测量法 | 第26-27页 |
| 2.3.2 三角测量法 | 第27页 |
| 2.3.3 极大似然估计法 | 第27-29页 |
| 2.4 常见的定位系统 | 第29-32页 |
| 2.4.1 Cricket系统 | 第29页 |
| 2.4.2 RADAR系统 | 第29-30页 |
| 2.4.3 CC2530系统 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于RSSI测距模型的参数辨识 | 第34-46页 |
| 3.1 路径损耗模型 | 第34-37页 |
| 3.1.1 经典信号衰减模型 | 第34-35页 |
| 3.1.2 Shadowing 模型 | 第35-37页 |
| 3.2 室内环境下测距模型的参数辨识 | 第37-44页 |
| 3.2.1 基于最小二乘法的参数估计 | 第38-40页 |
| 3.2.2 LOS模型的参数辨识实验 | 第40-42页 |
| 3.2.3 NLOS模型的参数辨识实验 | 第42-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第4章 R-IMM-RLS定位算法 | 第46-58页 |
| 4.1 R-IMM-RLS定位方案 | 第46-47页 |
| 4.2 基于IMM的距离滤波算法 | 第47-52页 |
| 4.2.1 交互式多模型算法 | 第47-48页 |
| 4.2.2 基于IMM的距离计算方法 | 第48-52页 |
| 4.3 基于递推最小二乘法的位置计算 | 第52-56页 |
| 4.3.1 递推最小二乘法 | 第52-55页 |
| 4.3.2 位置计算步骤 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第5章 室内服务机器人定位系统 | 第58-72页 |
| 5.1 系统结构 | 第58-60页 |
| 5.2 软件设计 | 第60-65页 |
| 5.2.1 参考节点 | 第61-62页 |
| 5.2.2 盲节点 | 第62页 |
| 5.2.3 协调器 | 第62-63页 |
| 5.2.4 上位机 | 第63-65页 |
| 5.3 室内定位实验 | 第65-71页 |
| 5.3.1 实验条件 | 第65-66页 |
| 5.3.2 实验步骤 | 第66-67页 |
| 5.3.3 实验结果 | 第67-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第6章 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80页 |
