基于多传感器的特定道路信息识别算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-12页 |
| 1.2.1 国外研究现状及分析 | 第10-11页 |
| 1.2.2 国内研究现状及分析 | 第11-12页 |
| 1.3 主要研究内容及论文结构 | 第12-15页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 论文结构 | 第13-15页 |
| 第2章 道路颠簸识别研究及方案 | 第15-32页 |
| 2.1 引言 | 第15页 |
| 2.2 经验模态分解法 | 第15-18页 |
| 2.2.1 征模函数 | 第16页 |
| 2.2.2 EMD算法步骤 | 第16-18页 |
| 2.2.3 基于EMD的信号降噪 | 第18页 |
| 2.3 隐马尔科夫模型 | 第18-25页 |
| 2.3.1 马尔科夫链的概念 | 第19-20页 |
| 2.3.2 隐马尔科夫模型的基本思想 | 第20-21页 |
| 2.3.3 隐马尔科夫模型的定义 | 第21-22页 |
| 2.3.4 隐马尔科夫模型的基本算法 | 第22-25页 |
| 2.4 道路颠簸识别方案 | 第25-31页 |
| 2.4.1 路面颠簸识别信号提取平台 | 第26-27页 |
| 2.4.2 信号接收安卓客户端设计与实现 | 第27-29页 |
| 2.4.3 路面颠簸识别方案设计 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 道路类型识别研究及方案 | 第32-47页 |
| 3.1 引言 | 第32页 |
| 3.2 常用图像去噪算法 | 第32-33页 |
| 3.3 灰度共生矩阵 | 第33-36页 |
| 3.3.1 定义与计算 | 第33-35页 |
| 3.3.2 二阶统计量 | 第35-36页 |
| 3.4 支持向量机 | 第36-43页 |
| 3.4.1 线性可分SVM | 第37-39页 |
| 3.4.2 线性不可分SVM | 第39-40页 |
| 3.4.3 非线性SVM | 第40-42页 |
| 3.4.4 核函数 | 第42页 |
| 3.4.5 SVM的分类学习算法 | 第42-43页 |
| 3.5 道路类型识别方案 | 第43-45页 |
| 3.5.1 改进型SVM | 第43-44页 |
| 3.5.2 识别方案及其流程介绍 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 系统的仿真与分析 | 第47-56页 |
| 4.1 引言 | 第47页 |
| 4.2 道路类型识别的方案仿真与分析 | 第47-52页 |
| 4.2.1 路面颠簸识别方案的仿真 | 第47-51页 |
| 4.2.2 路面颠簸识别方案的结果分析 | 第51-52页 |
| 4.3 道路类型识别方案的仿真与分析 | 第52-55页 |
| 4.3.1 道路类型识别方案的仿真 | 第53-54页 |
| 4.3.2 道路类型识别方案的结果分析 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第61-63页 |
| 致谢 | 第63页 |
