声明
第1 章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 车辆定位技术
1.2.2 车载定位信息融合方法
1.3 研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
第2 章 基于非线性滤波高精度定位算法概述
2.1 卡尔曼滤波
2.2 无迹卡尔曼滤波
2.2.1 无迹卡尔曼滤波器
2.2.2 UKF数据融合算法
2.2.3 GNSS/INS组合模型
2.3 无迹卡尔曼滤波高精度定位误差模型
2.3.1 组合导航状态方程数学模型
2.3.2组合导航量测方程数学模型
2.3.3 UKF融合算法流程
2.4 本章小结
第3 章 基于时间序列的神经网络高精度定位算法模型
3.1. 时间序列网络概述
3.1.1 时间序列分类
3.1.2 NARX网络结构
3.1.3 LSTM 网络结构
3.1.4 Elman 网络结构
3.2模型参数的设定
3.2.1 数据处理
3.2.2 模型量化评价指标
3.2.3 基于时间序列动态网络高精度定位参数设计
3.2.4 失效预测模型构建
3.3 基于 NARX网络高精度定位输入/输出模型设计
3.4 基于 LSTM网络高精度定位输入/输出模型设计
3.5 基于 Elman 网络高精度定位输入/输出模型设计
3.6 本章小结
第4 章 智能汽车高精度动态定位系统设计
4.1. 整体方案设计
4.2 嵌入式系统硬件平台设计
4.2.1 核心控制模块
4.2.2 通讯模块
4.2.3 电源管理模块
4.2.4 数据存储模块
4.3 软件平台模块设计
4.3.1 软件功能设计
4.3.2 人机交互设计
4.3.3 组合导航信息融合模块
4.4 本章小结
第5 章 实验算法性能测试实现与优化
5.1 实验设备与环境
5.2 无迹卡尔曼滤波实验验证
5.2.1 模型预测误差分析
5.2.2 不同失效时长误差分析
5.3 Elman 网络分析
5.3.1 模型预测误差分析
5.3.2 单步预测失效时长误差分析
5.3.3 多步预测失效时长误差分析
5.4 讨论与分析
5.4.1 Elman网络失效距离误差分析
5.4.2 Elman 网络与无迹卡尔曼滤波量化评价指标对比分析
5.5 本章小结
第6 章 总结与展望
6.1 总结
6.1.1 本文创新点
6.1.2 结论
6.2 展望
致谢
参考文献
附录
一、数据处理
二、无迹卡尔曼滤波MATLAB代码
三、参数采集装置实物图
在学校期间发表的论文及学术成果
重庆交通大学;