城市道路智能汽车高精度定位方法研究

目录

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