基于BP神经网络的无线定位算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·论文内容结构 | 第12-13页 |
| 第2章 无线定位技术的概述 | 第13-25页 |
| ·无线定位技术的概念 | 第13-14页 |
| ·定位技术的分类 | 第14-15页 |
| ·定位技术的应用 | 第15-16页 |
| ·定位技术的主要方法 | 第16-20页 |
| ·场强定位 | 第16页 |
| ·信号指纹定位 | 第16-17页 |
| ·到达角度定位 | 第17-18页 |
| ·到达时间定位 | 第18-19页 |
| ·到达时间差定位 | 第19页 |
| ·GPS卫星定位 | 第19-20页 |
| ·混合定位 | 第20页 |
| ·仿真信道模型 | 第20-23页 |
| ·T1P1(COST259)信道模型 | 第21页 |
| ·延时扩展Greenstein信道模型 | 第21-22页 |
| ·基于几何结构的单次反射(GBSB)统计信道模型 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 无线定位的经典算法与性能评价指标 | 第25-37页 |
| ·定位算法中的最小二乘表示 | 第25-26页 |
| ·定位的数学模型 | 第26-27页 |
| ·TDOA双曲线数学模型 | 第26-27页 |
| ·GPS定位数学模型 | 第27页 |
| ·基于TDOA的经典定位算法 | 第27-33页 |
| ·LS算法 | 第27-28页 |
| ·泰勒序列展开算法 | 第28-29页 |
| ·Fang算法 | 第29-30页 |
| ·Chan算法 | 第30-33页 |
| ·定位算法的性能评价指标 | 第33-35页 |
| ·均方误差与克拉美-罗下界 | 第33-34页 |
| ·圆误差概率 | 第34页 |
| ·几何精度因子 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第4章 基于BP神经网络的混合定位算法 | 第37-47页 |
| ·神经网络的概述 | 第37-39页 |
| ·神经网络的概念 | 第37-38页 |
| ·神经网络模型分类及功能 | 第38-39页 |
| ·测量误差模型 | 第39-40页 |
| ·TDOA测量误差模型 | 第39页 |
| ·GPS测量误差模型 | 第39-40页 |
| ·基于BP神经网络的混合定位算法 | 第40-44页 |
| ·基于BP神经网络的修正模型 | 第40页 |
| ·BP神经网络的学习算法 | 第40-42页 |
| ·TDOA/GPS混合定位算法 | 第42-43页 |
| ·基于BP神经网络的定位算法 | 第43-44页 |
| ·仿真与分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于BP神经网络的马尔可夫链跟踪算法 | 第47-53页 |
| ·马尔可夫链简述 | 第47-48页 |
| ·基于BP神经网络的马尔可夫链跟踪算法 | 第48-50页 |
| ·基于BP神经网络的定位算法 | 第48页 |
| ·基于马尔可夫链的跟踪算法 | 第48-49页 |
| ·距离门限的选取 | 第49-50页 |
| ·仿真与分析 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第6章 基于BP神经网络的卡尔曼滤波跟踪算法 | 第53-61页 |
| ·经典卡尔曼滤波算法 | 第53-55页 |
| ·基于BP神经网络的卡尔曼滤波跟踪算法 | 第55-58页 |
| ·基于BP神经网络的定位算法 | 第55-56页 |
| ·基于卡尔曼滤波的跟踪算法 | 第56-57页 |
| ·距离门限的选取 | 第57-58页 |
| ·仿真与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第7章 结论与展望 | 第61-63页 |
| ·论文工作总结 | 第61页 |
| ·研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间取得的研究成果 | 第67-69页 |
| 致谢 | 第69-70页 |
