| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.1.1 室内定位研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究和发展现状 | 第15-18页 |
| 1.3 论文内容与组织结构 | 第18-19页 |
| 第二章 室内定位技术的研究 | 第19-27页 |
| 2.1 基于WiFi的室内定位技术 | 第19-21页 |
| 2.1.1 WiFi技术概述 | 第19-20页 |
| 2.1.2 位置指纹定位方法 | 第20-21页 |
| 2.2 典型位置指纹定位算法 | 第21-24页 |
| 2.2.1 KNN算法 | 第21页 |
| 2.2.2 WKNN算法 | 第21-22页 |
| 2.2.3 贝叶斯概率算法 | 第22-23页 |
| 2.2.4 神经网络算法 | 第23-24页 |
| 2.3 深度学习模型在室内定位中的应用 | 第24-26页 |
| 2.3.1 深度自编码器 | 第24-25页 |
| 2.3.2 深度置信网络 | 第25-26页 |
| 2.3.3 卷积神经网络 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 室内RSSI的影响因素与特性分析 | 第27-39页 |
| 3.1 室内定位影响因素分析 | 第27-28页 |
| 3.1.1 人体对RSSI的影响 | 第27-28页 |
| 3.1.2 多径效应对RSSI的影响 | 第28页 |
| 3.1.3 室内环境对RSSI的影响 | 第28页 |
| 3.2 实验环境 | 第28-30页 |
| 3.2.1 实验布局环境 | 第28-29页 |
| 3.2.2 WiFi信号采集 | 第29-30页 |
| 3.3 RSSI的特性分析 | 第30-38页 |
| 3.3.1 RSSI的统计概率分布 | 第31-33页 |
| 3.3.2 RSSI的时间特性分析 | 第33-35页 |
| 3.3.3 RSSI的位置区域特性分析 | 第35-36页 |
| 3.3.4 RSSI的平稳性与相关性 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于AP特征约简的深度学习室内定位方法 | 第39-54页 |
| 4.1 AP特征的维数灾难 | 第39-40页 |
| 4.2 特征约简算法 | 第40-42页 |
| 4.3 基于深度自编码器的ReliefF约简位置指纹定位方法 | 第42-46页 |
| 4.3.1 堆叠式去噪自编码器原理 | 第42-44页 |
| 4.3.2 RFB-SDAE室内定位方法 | 第44-46页 |
| 4.4 实验验证与分析 | 第46-53页 |
| 4.4.1 标准数据库 | 第47-48页 |
| 4.4.2 实验环境搭建 | 第48-49页 |
| 4.4.3 参数设置 | 第49-50页 |
| 4.4.4 误差收敛分析 | 第50-51页 |
| 4.4.5 定位准确率分析 | 第51-52页 |
| 4.4.6 运行时间分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于时间序列的SDAE室内定位算法 | 第54-71页 |
| 5.1 TS-SDAE总体框架设计 | 第54-56页 |
| 5.2 基于RSSI时间序列的SDAE室内定位算法 | 第56-63页 |
| 5.2.1 RSSI时序指纹预处理 | 第56-57页 |
| 5.2.2 网络预训练 | 第57-59页 |
| 5.2.3 网络微调求解参数 | 第59-61页 |
| 5.2.4 定位结果输出 | 第61-63页 |
| 5.3 实验验证与分析 | 第63-69页 |
| 5.3.1 实验环境及设置 | 第63-64页 |
| 5.3.2 室内定位准确率 | 第64页 |
| 5.3.3 时间统计特性对定位的影响 | 第64-66页 |
| 5.3.4 区域分布对定位的影响 | 第66-67页 |
| 5.3.5 区域定位预测准确率 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 结论与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间发表的论文 | 第78-80页 |
| 致谢 | 第80页 |