一、浅论统计估计推算（论文文献综述）
王一帆[1]（2021）在《基于Wi-Fi/地磁/PDR的智能手机室内多源融合定位模型研究》文中研究指明随着物联网技术的快速发展,大量的商业应用均离不开位置服务的支持,人们对定位技术的需求已经逐渐由室外延伸到了室内。由于信号受到建筑物遮挡,以GPS为代表的全球卫星导航系统在室内作用有限,如何实现低成本高精度的室内定位,正在成为国内外研究的热点,但目前还没有形成一种权威、公认的标准方案。智能手机作为当下人们工作生活的必须工具,凭借其自身配备的多传感功能和用户不断扩大的优势,使得基于智能手机的Wi-Fi、地磁和行人航位推算定位技术具备了普适性和大范围推广的条件。Wi-Fi和地磁定位技术依靠室内公共区域广泛布设的无线接入点和建筑物内部的磁场来实现行人定位,具有无需增加基础设施、覆盖范围广、定位精度高、定位误差不随时间累积的优点;基于惯性传感器的行人航位推算具有短时间内定位精度高、自主性强的特点,因此,以这三种技术构建低成本高精度的室内定位方案具有非常大的潜力。本文围绕单系统定位方法的优化创新,到多源融合定位方案的形成,重点对基于智能手机的Wi-Fi、地磁和PDR定位方法和多源融合策略开展研究,并通过多个场景下的实验进行了充分测试验证,主要贡献包括:（1）针对当前室内环境下Wi-Fi样本数量众多,信号在多路径影响下存在无规律波动的问题,提出了一种基于深度神经网络的Wi-Fi位置识别方法。该方法在不需要复杂的聚类筛选前提下,采用堆叠降噪自编码器（SDAE）来捕获波动的Wi-Fi信号的鲁棒特征,在定位阶段通过后验概率和指纹点间的几何关系组合定权求取未知点坐标。此外,结合行人动静态时的定位特性,构建了动态卡尔曼滤波平滑和静态隐马尔科夫优化模型来克服粗差对Wi-Fi定位结果的影响。实验结果验证了基于深度神经网络在位置识别中的可行性。在不同的场景下,基于深度神经网络的Wi-Fi位置识别方法比传统Wi-Fi定位方法更加准确和稳定。（2）在地磁定位中,采用了一种连续路径采集的方法来降低数据采集过程中的劳动消耗,该方法对于Wi-Fi信号的采集同样适用。针对地磁信号特征较少,只使用地磁模值定位误差较大的问题,本文通过旋转变换构建了五维地磁特征来提高地磁匹配的精度。在定位过程中,为了提高地磁定位的效率,将下界函数与多维动态时间规整算法（M-DTW）结合,提出了一种改进的DTW地磁定位方法。每次定位时,提前剔除了不可能最优的匹配序列,在保证定位精度的同时,有效避免了地磁定位计算成本高的缺陷,在不同地磁序列长度下定位时耗降低了23%～72%,在走廊中的定位误差为0.47米,在整个楼层中的定位误差为3.58米。（3）在智能手机MEMS惯性传感器利用方面,根据行人不同运动模式下加速度和陀螺仪数据具有的不同时域统计特征,构建了一种基于极限学习机（ELM）的行人运动模式识别模型,运动模式识别准确率达97.25%。针对行人航位推算中低通滤波会破坏原始波形且无法对波峰进行有效识别的问题,提出了局部阈值简参步频探测的方法,该方法引入了局部信息概念,只需设定波峰阈值和相邻时间差阈值即可对行人的步频峰值进行探测。实验结果表明,在不同行走距离和不同手机使用姿势下,步频探测误差不超过3步。此外,本文还对纯惯导式行人航位推算进行尝试,通过识别加速度数据中的虚拟零速状态来对智能手机惯导解算的航位进行修正,使数分钟就发散至十千米以外的惯导解算结果在零速修正的约束下得到了有效收敛,行人航位推算的轨迹与真实轨迹能够相符。（4）在多源定位信息融合中,提出了一种基于因子图模型的融合定位方法。为解决融合过程中粗差对定位结果的影响,引入了自适应抗差调节机制来实时调节融合系统中的观测信息权重,并利用历史融合位置信息对Madgwick姿态解算中的航向进行实时修正。在Wi-Fi/PDR融合定位测试中,分别使用手持平举、悬垂摆动和电话呼叫三种典型手机使用姿态,融合定位的平均误差小于1.4米,与没有自适应抗差调节的定位结果相比,定位精度提高了29.6%。（5）针对Wi-Fi定位在信号受到干扰时会出现粗差,地磁定位需要满足一定长度的地磁序列、大范围场景容易出现误匹配,以及PDR无法确定起始位置、误差随时间积累的问题,提出了两种Wi-Fi/地磁/PDR多源融合定位方案并做了对比分析,融合中使用自适应因子图模型和质量控制机制。其中,方案1利用Wi-Fi定位结果缩小地磁匹配的范围,降低了地磁误匹配的概率,之后将Wi-Fi/地磁定位结果与PDR进行融合;而方案2则是以地磁/PDR为定位的主要输出,Wi-Fi在初始位置、静止状态和地磁变化不明显的区域提供位置信息作为辅助。与方案1相比,方案2在避免Wi-Fi粗差干扰下,充分发挥了地磁和PDR的定位性能,在复杂的大范围场景下,方案2的定位误差仅为2.33米,与方案1相比定位精度提高了28%。该论文有图105幅,表24个,参考文献205篇。
张亚磊[2]（2021）在《基于UWB/PDR组合的室内定位技术研究》文中研究说明在当今互联网飞速发展的年代,人类的生活方式发生了很多改变,人类对位置应用的需求越来越大。目前,全球卫星导航系统的发展已经相对成熟,基本满足了人类在室外的位置需求。但是,在室内、隧道等遮蔽环境下,GNSS卫星信号受到障碍物的遮掩,难以实现定位。因此,为了满足人类在室内环境下的位置需求,相关学者对电磁波、光、声音等传感器开展了一系列的研究。近些年,相关研究人员提出了基于蓝牙、超宽带、WIFI等室内定位技术,各个传感器在定位过程中都具有各自的优点,但是由于室内环境复杂多变,仅依靠一种的传感器仍不能满足人类在室内的定位需求。在此背景下,本文系统的研究了超宽带定位技术和行人航位推算技术,结合两种传感器自身的定位特点,提出了将两种传感器进行组合,对组合定位模型开展详细的研究并进行了实验验证。主要内容包括:（1）针对UWB在定位过程中信号容易受到室内复杂环境的干扰,导致测距精度退化的问题,本文建立了基于指数函数的UWB测距误差改正模型,并进行了实验验证。实验结果表明,测距经过误差模型改正之后,平均测距精度提高了60%,由此说明,该误差改正模型能够有效地降低UWB测距误差。本文建立了基于梯度下降的UWB定位解算模型,并通过静态定位和动态定位两种实验方式进行算法验证,在静态定位实验中基于梯度下降法的UWB定位算法的定位精度比最小二乘的定位算法提高了50.61%;在动态定位实验中基于梯度下降法的UWB定位算法的定位精度比最小二乘的定位算法提高了17.21%。（2）针对在行人航位推算定位过程中,定位结果随时间推移会存在累积误差的问题,本文结合行人运动特征,建立了基于多参数约束的步态检测模型,利用加速度的波峰、波谷以及时间差等参数对加速度进行约束,通过实验验证,本文建立的步态检测模型在行走状态下比峰值检测模型精度提高了83.98%,在跑步状态下精度提高了86.12%。由于行人航向角在定位中后期容易偏离真实航向,本文提出利用室内地图信息对航向角进行约束的方法。通过实验验证,加入地图约束的航向估计平均误差比原始航向角误差降低了74.44%,该方法提高了行人运动过程中航向估计的精度,为后续的组合定位提供了保障。（3）针对EKF组合定位模型的定位精度会随着时间的推移逐渐收敛,导致前一时刻的数据对下一时刻的状态估值的影响会降低的问题。本文分析了两种传感器定位的特点,建立了室内UWB/PDR组合自适应EKF定位模型,利用渐消滤波求得的渐消因子自适应的调节先验概率的估计值,结合EKF实现定位。通过实验对组合模型进行验证,实验结果表明,自适应EKF组合模型的定位精度相对于UWB定位精度提升了50.11%,相对于PDR定位精度提升了83.32%,相对于EKF组合模型的定位精度提升了28.98%。
张重洲[3]（2021）在《高昌国佛教寺院经济研究》文中研究表明高昌国是丝绸之路上的重要节点,佛教势力的发展及寺院经济兴衰问题,一直是吐鲁番佛教史和经济史研究的热点问题。本文通过研究认为,高昌国建政及对初期佛教的政策,奠定了佛教发展和寺院经济的基本走向。佛教地理决定了寺院经济的根本发展模式和路径,但高昌国佛教经济体制与国家政治体制、经济体制之间,呈现出相近及相悖的两种趋势。高昌国的寺院经济以佛教主导,同时包含有多种宗教下的经济成分,其在高昌国内兴衰与发展均有一定的必然性因素支撑。高昌国的寺院经济是以佛教寺院和僧尼寺户为主体,围绕这两个主体所产生的各项经济活动,形成了以土地经营为核心的基本经济形态,寺田在性质、数量、来源等方面均与世俗社会保持一致,经营门类和方式也大致相当。寺院经济具有宗教性、社会性、封闭性、地域性四个较为明显的特征。寺院内部财务收、支平衡,兼营多种经营门类,有完整且成熟的“常住”管理制度与财务核算方法。国家设置有专门的僧务机构,形成了僧官阶层,两种制度和体系共同运行管理寺院财产。此外,还通过《僧尼籍》来管理寺院僧尼及其附属人口,按照一定标准征收赋税劳役,其征收标准随着经济体制而发生改变。寺院内部僧尼群体间地位高低和财产分化明显,存在“中层僧尼”群体,普遍在寺院之外还从事着各自的经济活动,与豪门望族往来密切,深入到基层社会的日常生活中,贯穿社会发展的始终。高度的世俗化产生了强烈的社会效益,尼僧群体、货币支付、国家体制、社会动荡等诸问题均与寺院经济的发展密切相关,均加剧并最终导致了社会形态和寺院经济的固化。唐西州建立后,寺院经济并没有发生“衰落”,而是逐步在改革中转型重构,最终逐渐适应新政权的改革并完成自我革新。总体而言,高昌国寺院经济自身是一个闭环的完整链条,其发展经历了从萌芽到兴盛,最终至衰落的全过程,形成了特有的经济体系,构成了复杂的社会共同体。
李婉君[4]（2020）在《基于地铁刷卡数据的乘客列车分配算法及运营状态特征分析研究》文中研究指明随着城市化进程的加快,城市道路交通拥堵情况愈发严重,许多城市通过建设地铁来缓解城市地面交通出行中的各种问题。随着越来越多人选择地铁作为主要出行工具,地铁的运营状态不仅直接关系到乘客的出行感受,也是运营者非常关注的重要信息。地铁运营的各项指标和乘客主观出行感受调查常被运营者作为指导和改善运营管理工作的重要依据。目前,地铁运营状态相关研究重点关注的是运营指标类数据和乘客主观感受统计数据。其中,运营指标类数据重点关注地铁行车系统的状态,而乘客主观感受调查结果对运营管理的指导性和参考性有限。随着大数据技术的发展与应用,通过对现有运营数据的统计分析,为改善地铁运营管理提供新的思路和技术方法创造了有利的条件。本文通过对海量地铁刷卡数据的分析,进一步挖掘出具有针对性和系统性的地铁运营状态的客观特征数据,能够为运营者提供更精细、更科学、更经济的改善运营状态的技术手段。为今后进一步完善地铁运营状态评价指标体系提供具有应用价值的参考。本论文的主要研究内容包括:（1）刷卡数据基础分析。针对南京地铁运营刷卡数据,采用描述统计等方式,对数据中的出行时间、出行地点、乘客类型、换乘与非换乘等进行基础分析。分析结果显示了地铁交通系统中呈现出的时间和位置上的出行规律以及不同类型乘客可能的出行偏好等。其主要目的是通过对基础数据进行分类分析,为乘客列车分配算法提供和筛选有价值的数据信息。（2）针对非换乘乘客的列车分配算法。首先基于乘客进出站刷卡时间数据和行车调度计划,提出满足时间可行性的可乘列车集合推算算法。依据算法结果将乘客按照可乘列车数量进行分类,并利用有唯一可乘列车的乘客,按照包含其个人属性与出行时间等参数的分类办法,运用最大似然值法对站点的走行时间分布进行估计。利用估计值,对有多个可乘列车的乘客建立列车分配算法。分配算法中通过考虑了不同类型乘客在站点内走行时间的差异,使分配结果更具精准性。其主要目的是为后续换乘乘客的列车分配算法提供的技术支撑。（3）针对换乘乘客的列车分配算法。首先运用广度优先搜索算法结合最短路假设条件确定换乘出行最短路径。结合刷卡数据和行车调度计划,建立基于时间和空间可行性的可乘列车集合推算算法。依据算法结果,将乘客按照可乘列车集合数量进行分类,利用具有唯一可乘列车集合的乘客的换乘时间参数,运用最大似然值法对不同方向的换乘通道走行时间分布予以估计。整合全部非换乘乘客出行时间参数以及换乘通道走行时间参数,以数据为驱动,建立针对有多个可乘列车集合的乘客列车分配算法。并通过实例研究和断面客流对比分析,进一步论证了分配算法结果的准确性。其主要目的是为地铁运营状态特征提取方法提供数据支撑。（4）地铁运营状态特征分析研究。根据乘客的列车分配结果,从时间和流量两种特性对站点、出行路径和地铁网络的运营状态特征进行提取计算。同时,对网络出行时间总延误的影响因素运用广义线性模型予以探究。研究发现乘客进站总量、发车间隔以及出行时间都对网络出行时间总延误具有显着影响。研究结果可以为运营者提供更具针对性的站点、出行路径和地铁网络运营特征提取方法及状态分析,直观的体现出运营状态在不同时间及位置的变化趋势。本论文的研究内容为现有地铁乘客列车分配理论提供了以大数据为驱动的全新视角,并利用乘客列车分配结果对地铁运营状态特征提出具有针对性的提取方法并予以分析,对改善未来地铁运营水平具有重要的理论及方法借鉴意义。本论文中共有图77幅,表22个,文献130篇。
刘公绪[5]（2020）在《室内人员自主定位定向方法研究》文中研究说明近年来,随着物联网技术的发展以及人们对位置服务需求的激增,室内定位已成为工业界和学术界的研究热点,相关定位定向问题被称为卫星导航与定位的最后一公里难题。室内定位总的来讲是确定人或物体在卫星信号拒止环境下的姿态、速度、位置等信息,属于导航、测绘、自动化、电子和通信等多学科交叉领域,其战略地位显着如单兵作战、消防演习、矿井营救等。已有的定位定向技术主要分为四类,即基于无线信号交汇的定位定向技术,基于数据库的匹配定位技术,基于惯性传感器的航迹推算技术,以及基于信息融合的组合定位定向技术。然而传统的方法需要提前搭建无线传感网络或需要人工现场勘测,成本高、对环境依赖性强,自主性差;室内环境下无线信号衰减严重并存在多径效应;组网故障、通信故障、电源故障等各种故障源可能会导致传感器数据质量问题,从而使定位定向系统的底层数据不可靠,进而恶化定位定向精度;通常室内人员的运动是动态的、复杂的,缺少与运动状态结合的自适应位姿估计方法;室内电磁环境复杂,缺少有效的基于地磁的定位定向方法等等。上述原因使得至今还没有通用的解决方法以提供低成本、少外设、强鲁棒、高精度的定位定向服务。本文选题来源于企、事业单位委托项目,属于应用基础研究类。考虑到各种技术均有各自的优缺点以及最适合的应用场景,难以用单独一种技术提供可靠的定位定向服务。这里利用惯性传感器航迹推算具有的自主性、隐蔽性、全天候、信息全等优点,以多源信息融合理论为切入点,将多个互补的或冗余的信息源进行有机组合以获得优于单一信息源定位定向的性能。本文围绕室内人员定位定向的关键技术问题,基于磁力计、加速度计、速率陀螺（Magnetometer,Accelerometer and Rate Gyro,MARG）,和广义可感知校准源（General Sensory Calibration Source,GSCS）,开展低成本、少外设、强鲁棒、高精度的室内人员自主定位定向方法研究,主要研究工作和创新成果总结如下:（1）低成本MARG传感器的关键指标协同优化研究。为改善低成本惯性传感器的性能,对其多个关键指标进行协同优化研究,提出了三重自适应方法。该方法将传感器量程,采样频率和输出频率有机结合在一起,实现分辨率,效率和功率等指标的协同优化。所提出的方法改善了传感器原始数据的精度,提高了定位定向系统的续航能力。（2）MARG传感器的数据质量控制研究。针对MARG传感器的各种数据质量问题,提出一种在线的与可信的数据完好性监控方法。首先将数据故障建模为格式故障,时序故障和值故障,并提出几种启发式规则来检测和隔离数据故障;然后提出双重可变长度数据监控窗口机制,以提高数据恢复的可信度。最后通过一系列实验验证了所提出方法的性能。测试结果表明所提出方法可以动态权衡实时性,计算复杂度和可信度,有效改善基于MARG传感器搭建的定位定向系统的数据质量。（3）基于MARG传感器与GSCS的融合滤波与位姿校准研究。基于MARG传感器和GSCS分别提出半解析定向方法和自适应互补滤波方法:其中半解析定向方法是将磁失真判断、走廊结构的几何关系用于室内基于地磁的定向;所提出的自适应互补滤波方法是将MARG传感器的互补信息与运动状态信息进行融合,通过对运动状态的测量和估计,实现了搜索步长和融合参数的自适应调节。实验结果表明所提出的方法可实现室内人员高精度、高鲁棒的定位定向。（4）室内磁地图的快速建模与匹配定位研究。针对磁地图的测绘过程费时费力,其更新和维护难度大、费用高,基于磁地图的匹配定位方法复杂、精度低,定位结果不可信等问题,开展磁地图的快速建模与可信定位方法研究,提出了基于蛇形航迹推算的室内磁地图的快速建模方法,和基于室内磁地图的聚焦式匹配定位方法。前者将约束型航迹推算方法用于磁地图的快速建模,具有较好的可扩展性,并使磁地图的更新和维护相对简单;后者通过粗匹配定位与细匹配定位自适应地结合实现低复杂度、高精度和高可信度的聚焦式匹配定位。
王博远[6]（2020）在《基于WiFi和惯性传感器的智能手机室内定位方法研究》文中认为随着公众对室内位置服务需求的高速增长,室内定位技术已成为国际导航与位置服务领域的研究热点。智能手机由于内置大量可感知运动和环境信息的传感器且具有较高的普及性和便携性,逐渐成为了优秀的室内定位平台,其中Wi Fi指纹定位、行人航迹推算（Pedestrian Dead Reckoning,PDR）和Wi Fi/PDR融合定位作为当前主流的室内定位技术,得到了众多学者的关注研究和室内位置服务商的青睐。然而,由于室内信号环境复杂、手机传感器测量精度较低以及行人运动较为随意,目前基于智能手机平台的室内定位技术在实现高精度、高连续和高稳定定位方面仍存在许多亟待解决的问题。本文以实际定位环境和应用场景为依托,结合当前室内位置服务对定位性能的需求,对基于Wi Fi和惯性传感器的智能手机室内定位方法进行深入研究,主要研究工作如下:第一,针对现有基于接收信号强度（Received Signal Strength,RSS）的Wi Fi指纹定位存在RSS相似度与位置相似度不一致现象导致指纹聚类结果无法兼顾反映参考点间位置关系和保证在线集群匹配准确度,以及指纹定位误差较大的问题,提出了基于RSS和位置相似度的Wi Fi指纹定位方法。通过给参考点分配代表其空间大致位置的位置标签,将位置标签作为监督信息辅助基于RSS相似度的指纹聚类过程,形成了位置标签约束的RSS指纹聚类算法;根据信号功率衰减模型分析RSS不均匀空间分辨率现象,结合定位环境及指纹库信息,深入挖掘各点间位置距离和RSS相似度之间的数值关系,改进指纹定位过程中的距离度量,提出了基于近似位置距离的加权k近似算法。实验结果表明,所提聚类算法能够更好地反映参考点间的位置关系,避免RSS相似度较高但位置相距较远的参考点划分至同一集群现象,同时保证了在线集群匹配的准确性。此外,相比于现有加权k近邻算法,所提指纹定位算法的定位精度提升明显。第二,针对不同行人移动状态和手机姿势下传感器输出信号差异较大以及手机与行人之间存在相对运动,所导致的行人步伐检测和步长估计不够准确以及行人方位角估计较为困难问题,提出了多动作模式下改进的PDR定位方法。通过分析传感器数据时域和频域特征在不同动作模式下的变化,综合使用软间隔支持向量机和决策树模型,采用分步识别的方式实现了对行人不同动作模式的精确识别;通过分析不同动作模式下的加速度数值变化,结合行人身高与步频信息,提出了适应不同动作模式的步伐检测算法和步长估计模型;通过深入挖掘传感器输出数据、设备姿态与行人步态之间的关联,提出了基于步态特征的改进主成分分析方位角估计算法,避免了现有方位角估计算法中水平加速度提取不准确问题和传感器数据时间积分引起的累积误差问题。所提出的步伐检测、步长估计和方位角估计算法共同构成多动作模式下的PDR定位体系。实验结果表明,不同动作模式下所提PDR定位方法均能达到较高的定位精度,更加适用于传感器测量精度较差且使用方式更为随意的智能手机平台,大大扩展了现有PDR技术的适用范围。第三,针对动态跟踪条件下Wi Fi指纹定位存在位置点跳变、位置点聚集、RSS更新延迟和接收RSS数值不准确等现象,所引起的Wi Fi/PDR融合系统定位精度低和定位连续性差的问题,提出了基于距离约束和RSS估计的Wi Fi/PDR融合定位方法。通过采用基于渐消记忆的扩展卡尔曼滤波来抑制由系统模型和噪声统计不准确引起的滤波发散;结合行人步长与各系统定位误差范围,分析不同位置输出之间的距离关系,提出了基于距离约束的融合定位策略,减小了由位置点跳变和RSS更新延迟所引起的定位误差;基于加权k近邻算法思想,利用滤波器输出的一步预测位置和指纹库中已知的参考点信息对在线RSS数值进行估计,缓解了由数据采集时间过短所引起的在线RSS测量值不准确现象,提高了融合滤波过程中量测信息的有效性。实验结果表明,所提Wi Fi/PDR融合定位方法在不同动作模式下的定位性能均优于单一的Wi Fi指纹定位和PDR定位,相比于现有融合方法,定位精度提升明显,位置点跳变和聚集现象得到削弱,定位稳定性得到显着改善。本文研究方法无需专业基础设施和高性能传感器,仅利用现有智能手机平台和Wi Fi接入点即可实现不同动作模式下的室内行人定位,可为室内位置服务的推广应用提供重要技术支撑。
胥大为[7]（2020）在《区域公路在地货物运输量分析研究》文中研究指明新中国成立70年来,我国交通运输业经历了从“瓶颈制约”到“初步缓解”,再到“基本适应”的发展历程,基本形成了由铁路、公路、水路、民航等多种运输方式为主的综合交通运输体系,取得了历史性的成就。习近平总书记在党的十九大报告中首次明确作出建设交通强国的重大决策部署,结合网络强国重要论述,推进综合交通运输大数据发展成为交通运输信息化发展的核心内容。公路货物运输作为综合运输体系的重要一环,其运输信息化建设显得更加紧迫和重要。我国现行公路货物运输量虽在国家宏观层面满足调查统计需求,但在区域中观层面上与地方实际货物运输状况存在偏差,无法准确核算当地公路运输业对经济社会发展的贡献程度,研究针对区域范围的公路货物运输量调查统计任重道远。本文通过对目前公路货物运输量研究比较分析,为准确反映地级行政区域内当地公路的实际货物运输业绩,定义了在地货物运输量概念,并提出在地货物运输量调查统计理论方法。基于在地货物运输量理论,着重构建其调查统计指标体系,利用大数据分析思维采集整合多维数据建立多源基础数据集,分步完善基于SQL Server和Trans CAD的交通大数据处理和分配过程,最后依托在地货物运输量理论提出货运量和货物周转量推算模型,完成区域公路在地货物运输量实证研究。以浙江宁波地区公路为例开展在地货物运输量调查统计及数据处理、分析,并提出适合宁波地区货物运输发展的相关建议。研究表明:区域公路在地货物运输量按照应统尽统的原则全面涵盖了当地所有货物运输对象,并准确拆分了当地公路实际承担的运输业绩,以一套科学、实用、准确、经济的调查统计方法和运输量计算模型体系真实反映了区域当地公路实际货物运输状况,为研判当地经济社会发展态势提供可靠数据,积极推动了交通强国建设和交通运输大数据发展,赋予我国公路货物运输量调查统计工作全新的实践意义。
钟万青[8]（2020）在《复杂环境下多AUV协同导航定位性能优化方法研究》文中认为随着我国海洋强国战略的推进,自主水下航行器（Autonomous Underwater Vehicle,AUV）在资源勘探、水下侦查等领域得到了广泛应用。面对日趋复杂的任务需求,利用多AUV编队协同作业完成任务是目前的必然趋势,而精确导航定位是多AUV编队能高效可靠完成任务的前提条件,因此多AUV协同导航技术的研究具有非常重要的意义,近年来逐渐成为了AUV导航领域的研究热点。多AUV协同导航是利用高精度主AUV的导航信息提高低精度从AUV导航定位精度的一种导航方式,从AUV通过接收到来自高精度主AUV的位置及测距等观测信息,再与自身航位推算（Dead Reckoning,DR）信息进行信息融合,就能周期性的抑制自定位误差积累,保持定位误差有界。但在实际复杂环境中,水声信道是一个高噪声、强干扰的信道,观测信息在主从AUV间的传输过程中可能会受到异常噪声的干扰,导致观测值出现野值或其噪声呈现非高斯分布,进而导致协同导航定位精度下降。此外,由于复杂水文工况的影响,在信息融合的过程中往往不能确定的观测噪声统计特性的大小,或者在初始时刻设定了准确的观测方差但随信息融合的进行其噪声统计特性发生时变,导致协同导航滤波器不能正确利用观测信息,同样影响协同定位精度。因此,本文研究复杂水声环境下的协同导航定位性能优化技术,以提高多AUV协同导航的定位精度与稳定性。针对观测值受异常干扰出现观测野值或其噪声分布偏离高斯假设的问题,本文提出一种基于Huber鲁棒滤波的协同导航算法,利用Huber方法将平方根容积卡尔曼滤波（Cubature Kalman Filter,CKF）的观测更新过程转化为非线性统计回归的形式,在观测值受异常噪声干扰时构造截断观测值,对污染的观测值进行修正,有效抑制了异常观测噪声下的协同定位误差,提高了协同导航的定位精度与稳定性。针对观测噪声统计特性未知或时变的问题,本文提出了一种基于Myers-Tapley的协同导航鲁棒自适应滤波,将Myers-Tapley引入到基于平方根容积卡尔曼滤波的协同导航算法中,对观测噪声统计特性进行在线估计,同时为提高噪声自适应估计的鲁棒性,引入协方差匹配滤波发散判据,并在判断出滤波器状态异常时利用Huber方法修正观测值,实现了对观测噪声统计特性的鲁棒自适应估计,进一步提高了协同导航的精度与稳定性。本文从多AUV协同导航系统实际应用场景出发,针对水下复杂环境造成的协同导航定位性能下降问题给出了相应的优化解决方案,此外还对理想情况下多AUV协同导航定位性能进行了完备的分析,为行业内从业人员的后续研究提供一些有益的参考。
占梦奇[9]（2020）在《基于惯导与WiFi指纹的室内定位技术研究》文中研究指明室内定位是近十几年来最热门且最具有研究意义的课题之一。在众多的室内定位方法中,基于WiFi指纹的室内定位方法和基于惯性传感器的行人航位推算（Pedestrian Dead Reckoning,PDR）算法脱颖而出。这两种定位方法具有成本低,易于实现等优点,因此在室内定位领域受到广泛的关注,具有非常重要的研究价值。但是,利用WiFi指纹进行定位时,由于WiFi信号本身的特征,以及室内定位环境的复杂性和多径效应的干扰,用户在进行定位时定位点的位置会发生跳跃等问题。而基于惯导的PDR定位方法虽然在短时间内定位精度较高,但是该方法会存在误差随时间而累积的问题。本文分析了两种定位方法各自的优缺点,通过利用自适应扩展卡尔曼滤波器模型来融合WiFi和PDR的数据,以此来达到提升室内定位精度的目的。首先,在搭建WiFi指纹库时,利用了WiFi信号的接收信号强度（Received Signal Strength,RSS）服从高斯分布这一特点,将采集到的WiFi指纹数据在高斯滤波模型下进行预处理,以此来得到一个更加稳定的WiFi指纹数据库。在进行WiFi指纹定位时,为了获得更高的定位精度,提出了一种基于位置范围限定的WiFi-KNN室内定位方法,同时在计算欧式距离时加入了接收信号强度直方图的计算。最后通过对比实验验证了该新型方法能够降低定位误差。其次,深入研究分析了惯性导航定位的相关技术。在步频检测之前,利用Hamming窗滤波函数对采集到的行人三轴加速度数据进行预处理,然后根据预处理后的数据,利用自适应步态检测算法来检测行人运动的步数。在航向角的推算上,将磁力计的数据和陀螺仪的数据结合起来推算行人的航向角。在PDR算法的优化方面提出利用互补滤波和鲁棒的自适应卡尔曼滤融合的行人航位推算模型来实现行人位置推算,同时通过实验来证明该方法在定位的稳定性上优于传统的PDR方法。最后,为了解决WiFi定位时由于位置跳跃出现的误差和惯导定位时出现的累积误差等问题。本文利用自适应扩展卡尔曼滤波融合的定位算法,将WIFI与惯导器件的信息融合,该方法通过利用两者定位的优点,取长补短,从而获得更高精度的室内定位信息。通过实验对比论证,该融合算法在室内的定位精度能够满足预期的定位需求,且该方法相较于单一定位方法来说,定位的平均误差更小。
陈涛,孙俊[10]（2019）在《新中国70年来的中国古代人口史研究》文中研究指明新中国70年来,中国古代人口史研究蓬勃展开,在通论性研究、区域性研究和断代性研究方面,已取得丰硕成果,并呈现出方兴未艾的发展态势。综理和思考学术发展史,有助于进一步明确未来中国古代人口史研究的重点和方向。尤其是创新研究方法,拓展研究领域,深化研究主题,充分挖掘、利用各种文献资料,全面系统地整理中国古代的人口数据等,无疑是今后研究的重要方向之一。
二、浅论统计估计推算（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、浅论统计估计推算（论文提纲范文）
（1）基于Wi-Fi/地磁/PDR的智能手机室内多源融合定位模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和框架 |
| 2 室内定位基本原理 |
| 2.1 Wi-Fi指纹定位技术 |
| 2.2 地磁序列匹配方法 |
| 2.3 坐标系统及转换 |
| 2.4 行人航位推算 |
| 2.5 定位评价指标 |
| 2.6 本章小结 |
| 3 基于深度神经网络的Wi-Fi位置识别方法 |
| 3.1 基于深度神经网络的Wi-Fi定位模型 |
| 3.2 Wi-Fi位置优化模型 |
| 3.3 实验与分析 |
| 3.4 本章小结 |
| 4 改进的多维快速DTW地磁匹配定位算法 |
| 4.1 地磁基准图构建 |
| 4.2 地磁空间插值方法 |
| 4.3 改进的DTW地磁定位方法 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 5 智能手机MEMS行人航位推算 |
| 5.1 基于ELM的行人运动模式识别方法 |
| 5.2 步进式行人航位推算 |
| 5.3 惯导式行人航位推算 |
| 5.4 本章小结 |
| 6 基于自适应因子图的融合定位模型 |
| 6.1 姿态角估计 |
| 6.2 Wi-Fi/PDR融合定位 |
| 6.3 实验与分析 |
| 6.4 本章小结 |
| 7 Wi-Fi/地磁/PDR多源融合定位方法 |
| 7.1 基于Wi-Fi辅助的地磁匹配 |
| 7.2 改进的Wi-Fi/地磁/PDR融合定位方法 |
| 7.3 实验与分析 |
| 7.4 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（2）基于UWB/PDR组合的室内定位技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 UWB定位研究现状 |
| 1.2.2 惯性定位研究现状 |
| 1.2.3 室内组合定位研究现状 |
| 1.3 主要研究内容与论文结构安排 |
| 第2章 UWB/PDR组合定位基础 |
| 2.1 UWB定位技术 |
| 2.1.1 UWB定位原理 |
| 2.1.2 UWB定位误差来源 |
| 2.2 行人航位推算技术 |
| 2.2.1 行人航位推算原理 |
| 2.2.2 惯性导航误差来源 |
| 2.3 卡尔曼滤波原理 |
| 2.3.1 标准卡尔曼滤波原理 |
| 2.3.2 扩展卡尔曼滤波原理 |
| 2.4 本章小结 |
| 第3章 基于测距优化的UWB定位模型 |
| 3.1 基于TW-TOF的 UWB测距原理 |
| 3.2 基于指数函数UWB测距误差改正模型 |
| 3.2.1 指数函数拟合模型 |
| 3.2.2 实验分析 |
| 3.3 基于梯度下降的UWB定位算法 |
| 3.3.1 基于最小二乘的UWB定位算法 |
| 3.3.2 基于梯度下降的UWB定位算法 |
| 3.3.3 实验分析 |
| 3.4 本章小结 |
| 第4章 参数约束的行人运动信息估计模型 |
| 4.1 惯性传感器加速度数据分析 |
| 4.2 基于多参数约束的行人步态检测模型 |
| 4.2.1 多参数约束的步态检测模型 |
| 4.2.2 实验分析 |
| 4.3 行人步长估计模型 |
| 4.3.1 步长估计模型 |
| 4.3.2 实验分析 |
| 4.4 基于地图信息约束的航向修正方法 |
| 4.4.1 基于四元数法的航向估计模型 |
| 4.4.2 基于地图信息约束的航向修正方法 |
| 4.4.3 实验分析 |
| 4.5 本章小结 |
| 第5章 室内UWB/PDR组合自适应EKF定位模型 |
| 5.1 UWB/PDR组合定位模型 |
| 5.1.1 室内UWB/PDR组合EKF定位模型 |
| 5.1.2 室内UWB/PDR自适应EKF定位模型 |
| 5.2 UWB/PDR组合定位实验平台及实验环境 |
| 5.2.1 实验平台 |
| 5.2.2 实验环境 |
| 5.3 室内UWB/PDR组合定位实验结果及误差分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（3）高昌国佛教寺院经济研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 凡例 |
| 绪论 |
| 第一节 选题缘由及意义 |
| 第二节 研究史概述 |
| 第三节 研究重难点及创新之处 |
| 第四节 研究思路与方法 |
| 第一章 高昌国佛教及寺院经济的结构 |
| 第一节 高昌建国前后对佛教的政策 |
| 第二节 寺院经济与佛教地理 |
| 第三节 寺院经济的概念及与其他宗教 |
| 小结 |
| 第二章 高昌国佛教寺院的经营模式及财务收支 |
| 第一节 高昌国寺院的基本经济模式 |
| 第二节 寺院日常收入 |
| 第三节 寺院日常支出——对《高昌乙酉、丙戌岁某寺条列月用解斗帐历》再探讨 |
| 小结 |
| 第三章 高昌国的僧官、僧众和寺户 |
| 第一节 僧官阶层的执掌及管理 |
| 第二节 国家政权对僧众的管理及其赋税劳役 |
| 第三节 寺户制度及依附人口 |
| 小结 |
| 第四章 高昌国僧尼的经济活动与日常生活 |
| 第一节 僧尼个人的私有经济 |
| 第二节 释门群体与豪门望族间的往来 |
| 第三节 佛教僧尼的宗教活动与社会角色 |
| 小结 |
| 第五章 高昌国寺院经济的转型和衰落 |
| 第一节 多维视野下的寺院经济与高昌社会 |
| 第二节 高昌国寺院经济的转型 |
| 第三节 高昌国寺院经济衰落再探讨 |
| 小结 |
| 结语 |
| 参考文献 |
| 在校期间研究成果 |
| 致谢 |
（4）基于地铁刷卡数据的乘客列车分配算法及运营状态特征分析研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 论文主要研究内容 |
| 1.4 论文研究技术路线 |
| 2 国内外相关研究综述 |
| 2.1 刷卡数据运用相关研究综述 |
| 2.1.1 刷卡数据的特点 |
| 2.1.2 刷卡数据的应用分类 |
| 2.1.3 地铁刷卡数据在路径选择和客流分配上的运用 |
| 2.1.4 地铁刷卡数据在乘客列车分配上的运用 |
| 2.2 地铁运营状态特征相关研究 |
| 2.2.1 地铁站点的运营状态特征相关研究 |
| 2.2.2 乘客出行路径的运营状态特征相关研究 |
| 2.2.3 地铁网络的运营状态特征相关研究 |
| 2.3 相关研究现状评述 |
| 2.4 本章小结 |
| 3 地铁运营信息和刷卡数据预处理 |
| 3.1 地铁行车调度及线网信息 |
| 3.1.1 行车调度信息 |
| 3.1.2 地铁线网信息 |
| 3.1.3 地铁运营车辆信息 |
| 3.2 地铁刷卡数据说明及预处理 |
| 3.3 地铁刷卡数据基础分析 |
| 3.3.1 出行总量 |
| 3.3.2 出行时间 |
| 3.3.3 出行地点 |
| 3.3.4 乘客类型 |
| 3.3.5 非换乘与换乘出行 |
| 3.4 本章小结 |
| 4 基于AFC数据的非换乘乘客列车分配算法 |
| 4.1 可乘列车集合推算算法 |
| 4.2 非换乘乘客列车分配算法 |
| 4.2.1 乘客分类 |
| 4.2.2 进(出)站走行时间分布估计 |
| 4.2.3 多列车可选的乘客列车分配算法 |
| 4.3 非换乘乘客列车分配算法实例研究 |
| 4.3.1 进(出)站走行时间分布估计 |
| 4.3.2 乘客列车分配实例 |
| 4.4 本章小结 |
| 5 基于AFC数据的换乘乘客列车分配算法 |
| 5.1 换乘出行最短路径算法 |
| 5.2 可乘列车集合推算算法 |
| 5.3 换乘乘客列车分配算法 |
| 5.3.1 乘客分类 |
| 5.3.2 换乘通道走行时间分布估计 |
| 5.3.3 多列车组合可选的乘客列车分配算法 |
| 5.4 乘客列车分配算法实例研究 |
| 5.4.1 时间参数估计 |
| 5.4.2 乘客列车分配实例 |
| 5.4.3 高峰时间断面客流数据对比分析 |
| 5.5 本章小结 |
| 6 地铁运营状态特征分析研究 |
| 6.1 地铁站点运营状态特征分析研究 |
| 6.1.1 站点平均等待时间 |
| 6.1.2 站点平均留乘次数 |
| 6.1.3 站台拥挤度 |
| 6.1.4 站点相对延误 |
| 6.2 乘客出行路径的地铁运营状态特征分析研究 |
| 6.2.1 乘客出行路径平均时间延误 |
| 6.2.2 乘客出行路径列车拥挤度 |
| 6.3 地铁网络运营状态特征分析研究 |
| 6.3.1 南京地铁网络统计特征分析 |
| 6.3.2 地铁网络出行时间总延误 |
| 6.3.3 地铁网络出行时间相对延误 |
| 6.3.4 地铁网络换乘平均留乘次数 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 论文主要工作 |
| 7.2 论文创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 A 乘客可乘列车推算算法主要代码 |
| 附录 B 换乘乘客列车分配主要代码 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）室内人员自主定位定向方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于无线信号交汇的定位定向技术 |
| 1.2.2 基于数据库的匹配定位技术 |
| 1.2.3 基于惯性传感器的航迹推算技术 |
| 1.2.4 基于信息融合的组合定位定向技术 |
| 1.3 发展动态与技术瓶颈分析 |
| 1.4 本文拟解决的问题 |
| 1.4.1 指标优化问题 |
| 1.4.2 质量控制问题 |
| 1.4.3 融合滤波问题 |
| 1.4.4 位姿校准问题 |
| 1.5 论文研究内容与组织结构 |
| 1.5.1 研究内容 |
| 1.5.2 组织结构 |
| 第二章 MARG传感器的性能指标与优化 |
| 2.1 引言 |
| 2.1.1 加速度计 |
| 2.1.2 陀螺仪 |
| 2.1.3 磁传感器 |
| 2.2 性能指标 |
| 2.2.1 零偏 |
| 2.2.2 比例因子 |
| 2.2.3 交叉耦合 |
| 2.2.4 随机噪声 |
| 2.2.5 分辨力与分辨率 |
| 2.2.6 其他指标 |
| 2.3 多指标协同优化方法 |
| 2.3.1 研究背景 |
| 2.3.2 算法主流程和适用条件 |
| 2.3.3 量程自适应估计 |
| 2.3.4 采样频率/输出频率自适应估计 |
| 2.3.5 数据融合 |
| 2.4 实验结果分析与讨论 |
| 2.4.1 测试平台 |
| 2.4.2 转台实验 |
| 2.5 讨论与小结 |
| 第三章 MARG传感器的时空配准与质量控制 |
| 3.1 引言 |
| 3.2 时空配准 |
| 3.2.1 坐标体系 |
| 3.2.2 坐标变换 |
| 3.2.3 坐标变换误差分析 |
| 3.2.4 MARG传感器误差模型 |
| 3.2.5 拓扑型多MARG传感器的时空配准 |
| 3.3 数据质量控制 |
| 3.3.1 研究背景 |
| 3.3.2 主要流程图 |
| 3.3.3 数据故障建模 |
| 3.3.4 启发式规则 |
| 3.3.5 算法初始化与读取传感器数据和时间戳 |
| 3.3.6 格式/时序故障的检测与隔离 |
| 3.3.7 格式/时序故障的恢复 |
| 3.3.8 值故障的检测、隔离与恢复 |
| 3.4 实验结果分析与讨论 |
| 3.4.1 测试平台搭建 |
| 3.4.2 数值仿真实验 |
| 3.4.3 静态实验 |
| 3.4.4 转台实验 |
| 3.4.5 讨论 |
| 3.5 小结 |
| 第四章 融合滤波与位姿校准 |
| 4.1 引言 |
| 4.2 圆锥运动与旋转矢量法 |
| 4.3 广义可感知校准源的概念 |
| 4.4 半解析定向方法 |
| 4.4.1 解析定向方法 |
| 4.4.2 走廊几何关系辅助航向估计 |
| 4.5 自适应互补滤波方法 |
| 4.5.1 加速度计对应的四元数估计 |
| 4.5.2 磁力计对应的四元数估计 |
| 4.5.3 陀螺仪对应的四元数估计 |
| 4.5.4 融合四元数估计与位姿求解 |
| 4.5.5 运动状态度量 |
| 4.5.6 参数自适应调整 |
| 4.6 实验结果分析与讨论 |
| 4.6.1 半解析定向方法 |
| 4.6.2 自适应互补滤波方法 |
| 4.6.3 分析与讨论 |
| 4.7 小结 |
| 第五章 室内磁地图的快速建模与匹配定位方法 |
| 5.1 引言 |
| 5.2 约束型航迹推算方法 |
| 5.3 基于蛇形航迹推算的IMM快速建模方法 |
| 5.3.1 定位区域设定 |
| 5.3.2 参考坐标系建立 |
| 5.3.3 MARG模块的佩戴或安装 |
| 5.3.4 数据采集 |
| 5.3.5 姿态矩阵计算 |
| 5.3.6 位置戳计算 |
| 5.3.7 磁数据投影到参考坐标系 |
| 5.3.8 磁指纹与位置戳关联 |
| 5.4 基于IMM的聚焦式匹配定位方法 |
| 5.4.1 基于EDC的粗匹配定位 |
| 5.4.2 IIM细化LIMM |
| 5.4.3 MMFF匹配定位 |
| 5.5 实验结果分析与讨论 |
| 5.5.1 IMM快速建模方法 |
| 5.5.2 基于IMM的匹配定位方法 |
| 5.5.3 讨论 |
| 5.6 小结 |
| 第六章 室内定位定向技术的测试与评估 |
| 6.1 引言 |
| 6.2 室内定位的参考坐标系 |
| 6.3 性能指标 |
| 6.3.1 评估点选择与测绘 |
| 6.3.2 精度指标 |
| 6.3.3 相对精度 |
| 6.3.4 可信度 |
| 6.3.5 鲁棒性 |
| 6.3.6 启动时间 |
| 6.3.7 时延 |
| 6.3.8 其他 |
| 6.4 测试场景 |
| 6.4.1 建筑类型 |
| 6.4.2 移动模式 |
| 6.4.3 预设轨迹 |
| 6.5 综合评估 |
| 6.5.1 精度评估 |
| 6.5.2 边界评估 |
| 6.5.3 多因素评估 |
| 6.6 小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1.基本情况 |
| 2.教育背景 |
| 3.攻读博士学位期间的研究成果 |
| 3.1 发表学术论文 |
| 3.2 申请(授权)专利 |
| 3.3 参与科研项目及获奖 |
（6）基于WiFi和惯性传感器的智能手机室内定位方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于无线信号的定位技术 |
| 1.2.2 行人航迹推算技术 |
| 1.2.3 基于指纹匹配的定位技术 |
| 1.2.4 室内融合定位技术 |
| 1.3 存在的问题分析 |
| 1.4 研究内容及章节安排 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文各章内容安排 |
| 第2章 室内定位理论基础及实验平台 |
| 2.1 常用坐标系 |
| 2.2 WiFi指纹定位 |
| 2.3 行人航迹推算 |
| 2.4 扩展卡尔曼滤波模型 |
| 2.5 定位性能评价准则 |
| 2.6 室内定位实验平台 |
| 2.7 本章小结 |
| 第3章 基于RSS和位置相似度的Wi Fi指纹定位 |
| 3.1 引言 |
| 3.2 RSS预处理及指纹库构建 |
| 3.3 位置标签约束的RSS指纹聚类算法 |
| 3.4 基于近似位置距离的指纹定位方法 |
| 3.4.1 基于RSS不均匀空间分辨率的加权欧氏距离 |
| 3.4.2 基于近似位置距离的改进加权k近邻算法 |
| 3.5 实验及结果分析 |
| 3.5.1 实验数据集 |
| 3.5.2 指纹聚类实验 |
| 3.5.3 指纹定位实验 |
| 3.6 本章小结 |
| 第4章 多动作模式下改进的行人航迹推算方法 |
| 4.1 引言 |
| 4.2 传感器数据预处理 |
| 4.3 基于支持向量机和决策树的动作模式识别方法 |
| 4.3.1 动作模式定义 |
| 4.3.2 传感器选择 |
| 4.3.3 数据特征提取与分析 |
| 4.3.4 基于支持向量机和决策树的分类器设计 |
| 4.4 多动作模式下改进的行人航迹推算方法 |
| 4.4.1 基于动作模式的步伐检测算法 |
| 4.4.2 结合身高和步频的步长估计模型 |
| 4.4.3 稳定姿态下的方位角计算 |
| 4.4.4 基于步态特征的改进PCA方位角估计算法 |
| 4.5 实验及结果分析 |
| 4.5.1 动作模式识别实验 |
| 4.5.2 多动作模式下的行人航迹推算实验 |
| 4.6 本章小结 |
| 第5章 基于距离约束和RSS估计的Wi Fi/PDR融合定位 |
| 5.1 引言 |
| 5.2 基于渐消记忆的自适应扩展卡尔曼滤波 |
| 5.3 基于距离约束和RSS估计的Wi Fi/PDR融合定位方法 |
| 5.3.1 距离约束的融合定位策略 |
| 5.3.2 基于在线RSS估计的量测信息修正 |
| 5.4 实验及结果分析 |
| 5.4.1 距离阈值对定位结果的影响 |
| 5.4.2 Wi Fi/PDR融合定位实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（7）区域公路在地货物运输量分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 应用及研究现状 |
| 1.2.1 国外应用 |
| 1.2.2 研究现状 |
| 1.2.3 总结分析 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第二章 我国公路货物运输量调查统计现状分析 |
| 2.1 我国公路货物运输量调查统计现状 |
| 2.2 我国现行公路货物运输量调查统计问题分析 |
| 2.2.1 调查统计制度问题分析 |
| 2.2.2 运输统计量结果问题分析 |
| 2.3 区域公路在地货物运输量定义 |
| 2.4 在地货物运输量的优势 |
| 2.5 本文研究拟解决关键点 |
| 第三章 区域公路在地货物运输量基础理论 |
| 3.1 需求范围界定 |
| 3.2 多源基础数据集 |
| 3.2.1 需求数据集特征分析 |
| 3.2.2 区域公路在地货物运输量多源基础数据集 |
| 3.3 调查统计范围界定 |
| 3.3.1 调查统计路网范围 |
| 3.3.2 调查统计车籍范围 |
| 3.3.3 调查统计营业性质范围 |
| 3.4 数据分解处理流程思路 |
| 第四章 区域公路在地货物运输量指标体系与推算研究 |
| 4.1 指标体系建立 |
| 4.1.1 指标体系建立的指导思想和原则 |
| 4.1.2 调查指标 |
| 4.1.3 统计指标 |
| 4.2 调查统计方法研究 |
| 4.2.1 概述 |
| 4.2.2 分层抽样方法 |
| 4.2.3 分层抽样实施要求 |
| 4.3 数据整理建库及处理 |
| 4.3.1 数据整理建库 |
| 4.3.2 基于SQL Server的数据处理 |
| 4.3.3 基于Trans CAD的数据处理 |
| 4.4 在地货物运输量推算模型 |
| 4.4.1 专项抽样调查总量估计 |
| 4.4.2 高速公路数据在地运输量推算 |
| 4.4.3 普通国省干线数据在地运输量推算 |
| 第五章 以浙江宁波地区公路为例的在地货物运输量调查统计及数据处理分析 |
| 5.1 宁波地区运输量调查统计及处理 |
| 5.1.1 宁波地区交通运输现状 |
| 5.1.2 数据调查统计 |
| 5.1.3 宁波地区数据处理 |
| 5.2 宁波地区公路在地货物运输量结果 |
| 5.2.1 宁波地区专项调查运输量 |
| 5.2.2 宁波地区高速公路在地货物运输量 |
| 5.2.3 宁波地区普通国省干线在地货物运输量 |
| 5.2.4 宁波地区公路在地货物运输量其他统计指标 |
| 5.3 宁波地区公路在地货物运输量与宁波籍营运货车运输量比较分析 |
| 5.4 宁波地区公路在地货物运输量分析 |
| 5.4.1 宁波地区公路在地货物运输量运输地域分析 |
| 5.4.2 宁波地区公路在地货物运输量路网范围分析 |
| 5.4.3 宁波地区公路在地货物运输量车籍分析 |
| 5.4.4 宁波地区公路在地货物运输量流向分析 |
| 5.4.5 宁波地区公路在地货物运输量车辆属性分析 |
| 5.5 宁波地区公路货物运输发展建议 |
| 5.5.1 采用在地货物运输量分析当地经济发展 |
| 5.5.2 加强与周边地区货运协作 |
| 5.5.3 发挥港口城市特色运输 |
| 5.5.4 完善普通国省干线统计信息化建设 |
| 结论 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（8）复杂环境下多AUV协同导航定位性能优化方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究的背景、目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多AUV协同导航系统研究现状与分析 |
| 1.2.2 多AUV协同导航算法研究现状与分析 |
| 1.3 论文主要研究内容 |
| 第2章 多AUV协同导航基本原理 |
| 2.1 常用坐标系及传感器 |
| 2.1.1 常用坐标系 |
| 2.1.2 协同导航系统传感器 |
| 2.2 协同导航基本原理及模型建立 |
| 2.2.1 协同导航基本原理 |
| 2.2.2 状态模型建立 |
| 2.2.3 观测模型建立 |
| 2.3 协同导航滤波算法原理 |
| 2.3.1 基于EKF的协同导航算法原理 |
| 2.3.2 基于UKF的协同导航算法原理 |
| 2.3.3 基于CKF的协同导航算法原理 |
| 2.4 本章小结 |
| 第3章 理想通信环境下多AUV协同导航性能分析 |
| 3.1 不同滤波算法在协同导航中对比分析 |
| 3.1.1 协同导航精度分析对比 |
| 3.1.2 算法时间复杂度分析对比 |
| 3.1.3 分析结论及仿真验证 |
| 3.2 协同导航系统可观测性分析 |
| 3.2.1 基于非线性李导数的可观测条件分析 |
| 3.2.2 基于矩阵条件数的可观测度分析 |
| 3.2.3 协同导航可观测结论及仿真验证 |
| 3.3 不同滤波参数下的协同导航性能分析 |
| 3.3.1 测距精度对协同定位性能影响分析 |
| 3.3.2 航位推算精度对协同定位性能影响分析 |
| 3.3.3 不同更新周期对协同定位性能影响分析 |
| 3.4 本章小结 |
| 第4章 信息数据链不稳定下的协同导航鲁棒滤波算法 |
| 4.1 问题的提出 |
| 4.1.1 异常观测噪声对协同导航影响分析 |
| 4.1.2 分析结果仿真验证 |
| 4.2 基于Huber-M估计的协同导航鲁棒滤波 |
| 4.2.1 Huber-M鲁棒估计基本原理 |
| 4.2.2 基于鲁棒扩展卡尔曼滤波的协同导航算法 |
| 4.2.3 算法的不足之处 |
| 4.3 基于Huber修正方法的协同导航鲁棒滤波 |
| 4.3.1 Huber鲁棒修正方法 |
| 4.3.2 基于鲁棒平方根容积卡尔曼滤波的协同导航算法 |
| 4.3.3 算法仿真与结果分析 |
| 4.4 本章小结 |
| 第5章 观测噪声统计特性时变下的协同导航自适应滤波 |
| 5.1 问题的提出 |
| 5.1.1 观测噪声统计特性时变对协同导航影响分析 |
| 5.1.2 分析结果仿真验证 |
| 5.2 基于Myers-Tapley自适应滤波的协同导航算法 |
| 5.2.1 Myers-Tapley噪声自适应估计原理 |
| 5.2.2 基于自适应容积卡尔曼滤波的协同导航算法 |
| 5.2.3 算法的不足之处 |
| 5.3 基于Myers-Tapley自适应滤波的协同导航鲁棒算法 |
| 5.3.1 基于滤波发散判据的观测修正方法 |
| 5.3.2 基于鲁棒自适应容积卡尔曼滤波的协同导航算法 |
| 5.3.3 算法仿真与结果分析 |
| 5.4 本章小节 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（9）基于惯导与WiFi指纹的室内定位技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外室内定位的研究现状 |
| 1.2.1 室内定位系统的研究现状 |
| 1.2.2 惯导与WiFi指纹的室内定位技术的研究现状 |
| 1.3 本文的主要研究内容及章节安排 |
| 第2章 室内定位的相关技术 |
| 2.1 室内定位的相关方法介绍 |
| 2.2 WiFi定位的相关方法 |
| 2.2.1 基于测距的相关方法 |
| 2.2.2 传播模型的定位方法 |
| 2.2.3 WiFi指纹的定位方法 |
| 2.3 惯性导航定位的相关方法 |
| 2.4 卡尔曼滤波简述 |
| 2.4.1 卡尔曼滤波原理分析 |
| 2.4.2 扩展卡尔曼滤波原理 |
| 2.5 本章小结 |
| 第3章 基于WiFi指纹的定位技术及优化 |
| 3.1 WiFi指纹库的搭建 |
| 3.2 WiFi指纹室内定位算法 |
| 3.2.1 近邻法 |
| 3.2.2 朴素贝叶斯算法 |
| 3.2.3 人工神经网络算法 |
| 3.3 基于位置范围限定的WiFi-KNN室内定位算法 |
| 3.3.1 优化算法 |
| 3.3.2 算法验证 |
| 3.4 本章小结 |
| 第4章 基于PDR的定位技术分析 |
| 4.1 行人航位推算研究 |
| 4.1.1 行人步态分析 |
| 4.1.2 行人步长估计 |
| 4.1.3 行人航向估计 |
| 4.2 改进的PDR算法 |
| 4.3 实验分析与验证 |
| 4.4 本章小结 |
| 第5章 基于WiFi/PDR融合的定位算法分析 |
| 5.1 自适应扩展卡尔曼滤波融合定位算法 |
| 5.2 实验分析 |
| 5.2.1 实验环境的介绍 |
| 5.2.2 分析与验证 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（10）新中国70年来的中国古代人口史研究（论文提纲范文）
| 一 通论性研究 |
| 二 区域性研究 |
| 三 断代性研究 |
| 1.原始社会、先秦秦汉时期 |
| (1)人口统计 |
| (2)人口分布 |
| 2.魏晋南北朝隋唐五代时期 |
| (1)人口统计 |
| (2)人口分布 |
| 3.辽宋夏金元明清时期 |
| (1)人口统计 |
| (2)人口分布 |
| 四 回顾与展望 |
四、浅论统计估计推算（论文参考文献）
- [1]基于Wi-Fi/地磁/PDR的智能手机室内多源融合定位模型研究[D]. 王一帆. 中国矿业大学, 2021(02)
- [2]基于UWB/PDR组合的室内定位技术研究[D]. 张亚磊. 北京建筑大学, 2021(01)
- [3]高昌国佛教寺院经济研究[D]. 张重洲. 兰州大学, 2021(09)
- [4]基于地铁刷卡数据的乘客列车分配算法及运营状态特征分析研究[D]. 李婉君. 北京交通大学, 2020(03)
- [5]室内人员自主定位定向方法研究[D]. 刘公绪. 西安电子科技大学, 2020(05)
- [6]基于WiFi和惯性传感器的智能手机室内定位方法研究[D]. 王博远. 哈尔滨工程大学, 2020(04)
- [7]区域公路在地货物运输量分析研究[D]. 胥大为. 长安大学, 2020(06)
- [8]复杂环境下多AUV协同导航定位性能优化方法研究[D]. 钟万青. 哈尔滨工程大学, 2020(05)
- [9]基于惯导与WiFi指纹的室内定位技术研究[D]. 占梦奇. 哈尔滨工程大学, 2020(05)
- [10]新中国70年来的中国古代人口史研究[J]. 陈涛,孙俊. 宗教信仰与民族文化, 2019(02)