摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-13页 |
1.1 研究背景及意义 | 第8-9页 |
1.1.1 研究背景 | 第8-9页 |
1.1.2 研究意义 | 第9页 |
1.2 国内外研究现状 | 第9-11页 |
1.2.1 可穿戴设备研究现状 | 第9-10页 |
1.2.2 MEMS研究现状 | 第10-11页 |
1.2.3 多传感器数据融合研究现状 | 第11页 |
1.3 论文研究的主要内容 | 第11-12页 |
1.4 论文结构 | 第12-13页 |
第二章 姿态测量与数据融合技术 | 第13-30页 |
2.1 可穿戴传感网络 | 第13-14页 |
2.2 姿态测量技术 | 第14-22页 |
2.2.1 坐标系的定义 | 第14-15页 |
2.2.2 姿态表示方法 | 第15-19页 |
2.2.3 姿态测量原理 | 第19-22页 |
2.3 多传感器数据融合技术 | 第22-29页 |
2.3.1 数据融合的基本原理 | 第22页 |
2.3.2 数据融合的级别 | 第22-23页 |
2.3.3 数据融合系统的结构模型 | 第23-29页 |
2.3.4 数据融合相关算法 | 第29页 |
2.4 本章小结 | 第29-30页 |
第三章 传感器节点误差分析与校正 | 第30-41页 |
3.1 传感器的工作原理 | 第30-33页 |
3.1.1 加速度传感器的工作原理 | 第30-31页 |
3.1.2 角速度传感器的工作原理 | 第31-32页 |
3.1.3 磁力传感器的工作原理 | 第32-33页 |
3.2 传感器误差分析 | 第33-35页 |
3.2.1 加速度传感器的误差分析 | 第33页 |
3.2.2 角速度传感器的误差分析 | 第33-34页 |
3.2.3 磁力传感器的误差分析 | 第34-35页 |
3.3 传感器误差校正与补偿 | 第35-40页 |
3.3.1 传感器误差校正 | 第35-37页 |
3.3.2 卡尔曼波算法 | 第37-40页 |
3.4 本章小结 | 第40-41页 |
第四章 姿态测量数据融合算法研究 | 第41-48页 |
4.1 多传感器数据融合算法 | 第41-43页 |
4.2 基于D-S证据理论改进数据融合算法 | 第43-47页 |
4.2.1 基于Dempster-Shafer证据理论的一阶数据融合算法 | 第43-45页 |
4.2.2 基于加权的二阶数据融合算法 | 第45-46页 |
4.2.3 姿态数据融合算法的设计 | 第46-47页 |
4.3 本章小结 | 第47-48页 |
第五章 系统设计实现与数据分析 | 第48-68页 |
5.1 系统需求分析与总体设计 | 第48-49页 |
5.2 系统硬件设计 | 第49-53页 |
5.2.1 传感器的选型 | 第49-52页 |
5.2.2 硬件平台结构 | 第52-53页 |
5.3 系统软件设计 | 第53-61页 |
5.3.1 通信串口模块 | 第54-58页 |
5.3.2 数据解析 | 第58-60页 |
5.3.3 姿态实时显示 | 第60-61页 |
5.4 实验方案与数据分析 | 第61-67页 |
5.4.1 算法实验设计 | 第61-65页 |
5.4.2 实验结果与分析 | 第65-67页 |
5.5 本章小结 | 第67-68页 |
第六章 总结与展望 | 第68-70页 |
6.1 论文工作总结 | 第68-69页 |
6.2 课题研究展望 | 第69-70页 |
参考文献 | 第70-73页 |
致谢 | 第73页 |