| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究课题背景 | 第8-14页 |
| 1.1.1 铁路交通概况 | 第8-9页 |
| 1.1.2 轨道水平不平顺的定义及影响 | 第9-11页 |
| 1.1.3 轨道水平不平顺常用检测设备 | 第11-14页 |
| 1.2 多源信息融合技术的研究现状及发展趋势 | 第14-16页 |
| 1.2.1 多源信息融合技术的研究现状 | 第14-15页 |
| 1.2.2 多传感器数据融合技术的发展趋势 | 第15-16页 |
| 1.3 研究的来源及意义 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第二章 轨道水平不平顺MSIF总体方案 | 第19-41页 |
| 2.1 倾角传感器的轨道水平测量及存在的问题 | 第19-22页 |
| 2.2 基于MEMS陀螺仪测量轨道水平的可行性及其存在的问题 | 第22-25页 |
| 2.3 轨道水平测量数据的预处理 | 第25-39页 |
| 2.3.1 轨道水平数据的去趋势处理 | 第26-31页 |
| 2.3.2 SPA的效果分析 | 第31-33页 |
| 2.3.3 轨缝干扰信息的确定 | 第33-37页 |
| 2.3.4 轨缝干扰信息的替换 | 第37-39页 |
| 2.4 轨道水平MSIF测量总体方案 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 数据信息融合的基本理论及其方法研究 | 第41-51页 |
| 3.1 数据信息融合的基本理论 | 第41-47页 |
| 3.1.1 数据信息融合的定义 | 第41页 |
| 3.1.2 数据信息融合的层次描述 | 第41-44页 |
| 3.1.3 数据信息融合的结构描述 | 第44-47页 |
| 3.2 数据信息融合的方法研究 | 第47-50页 |
| 3.2.1 BP神经网络算法 | 第47-48页 |
| 3.2.2 卡尔曼滤波算法 | 第48-49页 |
| 3.2.3 加权融合算法 | 第49-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第四章 轨道水平数据MSIF的改进算法研究 | 第51-62页 |
| 4.1 引入预处理方法的算法改进 | 第51-52页 |
| 4.2 自适应多重加权融合算法 | 第52-58页 |
| 4.2.1 自适应多重加权融合算法的基本原理 | 第52-55页 |
| 4.2.2 自适应多重加权融合算法的实验验证 | 第55-58页 |
| 4.3 集中式卡尔曼滤波融合算法 | 第58-61页 |
| 4.3.1 集中式卡尔曼滤波融合的基本原理 | 第58-59页 |
| 4.3.2 集中式卡尔曼滤波融合的实验验证 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 实际测试结果误差分析 | 第62-76页 |
| 5.1 自适应多重加权融合算法结果分析 | 第62-64页 |
| 5.2 集中式卡尔曼滤波融合算法结果分析 | 第64-68页 |
| 5.3 两种融合算法结果对比 | 第68-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 本文工作总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-81页 |