基于自动编码器的三维蓝牙室内定位算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-24页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 蓝牙室内定位国内外研究现状 | 第11-14页 |
| 1.3 蓝牙室内定位硬件架构概述 | 第14-21页 |
| 1.3.1 蓝牙的发展历史 | 第14-16页 |
| 1.3.2 蓝牙技术的特点 | 第16-17页 |
| 1.3.3 低功耗蓝牙 | 第17-20页 |
| 1.3.4 iBeacon | 第20-21页 |
| 1.4 主要研究内容与技术路线 | 第21-22页 |
| 1.5 本文的组织结构 | 第22页 |
| 1.6 本章小结 | 第22-24页 |
| 第二章 室内定位方法及相关深度学习模型介绍 | 第24-41页 |
| 2.1 室内定位技术 | 第24-28页 |
| 2.2 室内定位算法 | 第28-32页 |
| 2.2.1 几何特征法 | 第28-31页 |
| 2.2.2 邻近信息法 | 第31页 |
| 2.2.3 指纹定位法 | 第31-32页 |
| 2.3 深度学习概述 | 第32-34页 |
| 2.4 自动编码器 | 第34-37页 |
| 2.4.1 降噪自动编码器 | 第35页 |
| 2.4.2 栈式自动编码器 | 第35-36页 |
| 2.4.3 稀疏自动编码器 | 第36-37页 |
| 2.4.4 自动编码器在室内定位中的应用 | 第37页 |
| 2.5 深度信念网络 | 第37-40页 |
| 2.5.1 受限玻尔兹曼机 | 第38页 |
| 2.5.2 深度信念网络的训练 | 第38-40页 |
| 2.5.3 深度信念网络在室内定位中的应用 | 第40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 三维蓝牙室内定位算法设计 | 第41-48页 |
| 3.1 算法概述 | 第41-42页 |
| 3.2 降噪自动编码器模型的训练 | 第42-45页 |
| 3.3 基于加权K最邻近的位置估计 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 实验分析 | 第48-57页 |
| 4.1 实验场地设计 | 第48页 |
| 4.2 RSSI滤波与参数优化 | 第48-51页 |
| 4.3 定位精度 | 第51-56页 |
| 4.3.1 水平方向定位精度 | 第51-53页 |
| 4.3.2 垂直方向定位精度 | 第53-54页 |
| 4.3.3 信号缺失情况下的定位精度 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66页 |
