| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题的研究意义 | 第12-13页 |
| 1.4 论文的研究思路与结构组织 | 第13-15页 |
| 第2章 基于WiFi位置指纹室内定位技术概述 | 第15-25页 |
| 2.1 室内定位技术概述 | 第15-16页 |
| 2.1.1 常见室内定位技术 | 第15页 |
| 2.1.2 定位算法的性能指标 | 第15-16页 |
| 2.2 基于WiFi位置指纹的定位技术 | 第16-23页 |
| 2.2.1 WiFi技术的介绍 | 第16-18页 |
| 2.2.2 WiFi室内定位技术的分类 | 第18-22页 |
| 2.2.3 WiFi位置指纹定位技术原理 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 WiFi指纹信号的获取及离线指纹库的建立 | 第25-39页 |
| 3.1 WiFi信息的获取 | 第25-27页 |
| 3.2 WiFi信号特征及干扰因素 | 第27-30页 |
| 3.3 WiFi信号的预处理 | 第30-35页 |
| 3.3.1 常见滤波方法简介 | 第30-32页 |
| 3.3.2 RSSI的卡尔曼滤波处理 | 第32-33页 |
| 3.3.3 卡尔曼滤波算法的参数设定 | 第33-35页 |
| 3.4 WiFi指纹库的建立 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于改进的KNN匹配定位算法 | 第39-51页 |
| 4.1 典型的WiFi位置指纹匹配定位算法 | 第39-43页 |
| 4.1.1 匹配算法的相关概念 | 第39-40页 |
| 4.1.2 贝叶斯概率算法 | 第40-41页 |
| 4.1.3 近邻法 | 第41-43页 |
| 4.1.4 KNN算法的优势 | 第43页 |
| 4.2 改进的K近邻算法(KNN) | 第43-44页 |
| 4.2.1 对K近邻算法(KNN)进行改进 | 第43-44页 |
| 4.2.2 算法参数设定 | 第44页 |
| 4.3 算法流程 | 第44-47页 |
| 4.4 实验分析 | 第47-49页 |
| 4.4.1 定位结果验证 | 第47-48页 |
| 4.4.2 轨迹验证 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 基于Android系统的定位平台设计与实现 | 第51-65页 |
| 5.1 平台的设计 | 第51-55页 |
| 5.1.1 Android平台介绍 | 第52-53页 |
| 5.1.2 Android系统架构介绍 | 第53-54页 |
| 5.1.3 Android系统存储介绍 | 第54-55页 |
| 5.2 平台的实现 | 第55-62页 |
| 5.2.1 定位系统的开发环境 | 第55-56页 |
| 5.2.2 系统架构的详细设计 | 第56-58页 |
| 5.2.3 定位流程设计 | 第58-62页 |
| 5.3 性能测试 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间所发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |