基于WiFi位置指纹技术的室内定位方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 注释表 | 第8-9页 |
| 第1章 引言 | 第9-16页 |
| 1.1 论文背景与意义 | 第9-10页 |
| 1.2 论文现状与分析 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 室内定位相关技术分析 | 第16-29页 |
| 2.1 室内定位系统研究综述 | 第16-20页 |
| 2.1.1 基于蓝牙技术的定位系统 | 第16-17页 |
| 2.1.2 基于红外线技术的定位系统 | 第17-18页 |
| 2.1.3 基于超声波技术的定位系统 | 第18页 |
| 2.1.4 基于超宽带技术的定位系统 | 第18-19页 |
| 2.1.5 基于WLAN技术的定位系统 | 第19-20页 |
| 2.1.6 几种室内定位技术性能的对比与选取 | 第20页 |
| 2.2 WLAN位置指纹技术定位原理及流程 | 第20-22页 |
| 2.3 WLAN位置指纹定位算法比较与选择 | 第22-26页 |
| 2.3.1 BP神经网络法 | 第22-24页 |
| 2.3.2 贝叶斯算法 | 第24页 |
| 2.3.3 近邻算法 | 第24-26页 |
| 2.4 性能评价指标 | 第26-29页 |
| 第3章 基于射线跟踪技术的位置指纹数据库研究 | 第29-39页 |
| 3.1 信号空间路径损耗模型 | 第29-31页 |
| 3.2 射线跟踪技术 | 第31-34页 |
| 3.3 信号数据的仿真生成设计与实现 | 第34-36页 |
| 3.4 实验结果 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于位置指纹定位算法的研究与改进 | 第39-48页 |
| 4.1 KNN定位算法中各参数对算法性能的影响 | 第39-41页 |
| 4.1.1 AP点的接入个数对算法性能的影响 | 第39-40页 |
| 4.1.2 K值的大小对算法性能的影响 | 第40-41页 |
| 4.2 基于KNN定位算法的改进算法 | 第41-44页 |
| 4.2.1 算法的提出 | 第41-42页 |
| 4.2.2 算法的介绍与流程 | 第42-44页 |
| 4.3 实验结果及其分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-51页 |
| 5.1 工作总结 | 第48-49页 |
| 5.2 未来工作展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第57页 |
