| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 研究背景 | 第13页 |
| 1.2 研究现状与不足之处分析 | 第13-23页 |
| 1.3 研究内容及创新点 | 第23-25页 |
| 1.4 本章小结 | 第25-26页 |
| 第2章 室内定位系统原理简介 | 第26-36页 |
| 2.1 混合室内定位系统原理 | 第26-30页 |
| 2.1.1 步行者航位推算系统原理 | 第26-29页 |
| 2.1.2 近距离RF信号系统原理 | 第29-30页 |
| 2.1.3 小结 | 第30页 |
| 2.2 粒子滤波算法简介 | 第30-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第3章 多模式、低成本、高精度混合室内定位系统设计 | 第36-86页 |
| 3.1 系统简介 | 第36-38页 |
| 3.2 多模式步行者航位推算 | 第38-55页 |
| 3.2.1 模式分类识别 | 第39-45页 |
| 3.2.2 步伐检测 | 第45-50页 |
| 3.2.3 步长估计 | 第50-51页 |
| 3.2.4 步伐方向确定 | 第51-55页 |
| 3.3 基于近距离射频信号的误差修正 | 第55-58页 |
| 3.4 基于粒子滤波的地图匹配 | 第58-62页 |
| 3.5 实验结果 | 第62-84页 |
| 3.5.1 参数设置 | 第62-63页 |
| 3.5.2 模式分类识别算法实验结果 | 第63-64页 |
| 3.5.3 步长模型实验结果 | 第64-66页 |
| 3.5.4 多模式步行者航位推算实验结果 | 第66-75页 |
| 3.5.5 混合室内定位系统实验结果 | 第75-84页 |
| 3.6 本章小结 | 第84-86页 |
| 第4章 粒子滤波算法优化加速 | 第86-113页 |
| 4.1 低存储开销粒子滤波系统设计 | 第86-94页 |
| 4.1.1 粒子状态压缩算法原理 | 第86-89页 |
| 4.1.2 硬件架构 | 第89-91页 |
| 4.1.3 实验评估结果与分析 | 第91-93页 |
| 4.1.4 小结 | 第93-94页 |
| 4.2 高实时性粒子滤波系统设计 | 第94-112页 |
| 4.2.1 分层重采样/树状重采样算法原理 | 第94-99页 |
| 4.2.2 硬件架构 | 第99-105页 |
| 4.2.3 实验评估结果与分析 | 第105-111页 |
| 4.2.4 小结 | 第111-112页 |
| 4.3 本章小结 | 第112-113页 |
| 第5章 总结与展望 | 第113-115页 |
| 5.1 总结 | 第113-114页 |
| 5.2 未来研究方向展望 | 第114-115页 |
| 参考文献 | 第115-129页 |
| 作者简历及攻读博士学位期间主要的研究成果 | 第129-130页 |