基于信道状态信息指纹的室内定位算法研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 引言 | 第10-18页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 室内定位技术研究现状 | 第10-12页 |
| 1.3 典型WiFi室内定位系统 | 第12-13页 |
| 1.4 室内定位技术主要影响因素 | 第13-14页 |
| 1.5 室内定位技术性能评价指标 | 第14-15页 |
| 1.6 论文主要研究内容 | 第15-16页 |
| 1.7 论文主要工作及结构 | 第16-18页 |
| 第二章 基于WiFi的室内定位方法概述 | 第18-26页 |
| 2.1 WiFi定位分类 | 第18-24页 |
| 2.1.1 主动定位与被动定位 | 第18-19页 |
| 2.1.2 基于时间特性的定位方法 | 第19-20页 |
| 2.1.3 基于无线信号传播模型的定位方法 | 第20-21页 |
| 2.1.4 基于指纹的定位方法 | 第21-24页 |
| 2.2 目标定位方法 | 第24页 |
| 2.3 本文系统定位技术的选择 | 第24页 |
| 2.4 小结 | 第24-26页 |
| 第三章 基于MDS的CSI指纹定位算法 | 第26-44页 |
| 3.1 指纹的选择 | 第26-27页 |
| 3.2 系统模型与框架 | 第27-29页 |
| 3.3 离线阶段数据库的建立CSI | 第29页 |
| 3.3.1 CSI数据采集 | 第29页 |
| 3.4 在线阶段指纹定位算法 | 第29-31页 |
| 3.4.1 在线匹配机制 | 第29-31页 |
| 3.5 CSI指纹定位算法优化 | 第31-35页 |
| 3.5.1 CSI模型 | 第32-34页 |
| 3.5.2 三角质心算法 | 第34-35页 |
| 3.6 最终位置估计的优化 | 第35-37页 |
| 3.6.1 三角质心算法的改进 | 第35-37页 |
| 3.7 实验结果与分析 | 第37-43页 |
| 3.7.1 实验环境搭建 | 第37-38页 |
| 3.7.2 数据获取与处理 | 第38-39页 |
| 3.7.3 实验步骤 | 第39页 |
| 3.7.4 结果分析 | 第39-43页 |
| 3.8 结论 | 第43-44页 |
| 第四章 基于深度学习的CSI指纹室内定位算法 | 第44-56页 |
| 4.1 深度学习 | 第44-48页 |
| 4.1.1 受限玻尔兹曼机 | 第44-45页 |
| 4.1.2 自动编码器 | 第45-47页 |
| 4.1.3 栈式自动编码器 | 第47-48页 |
| 4.2 本文系统选择堆叠自动编码器的原因 | 第48-49页 |
| 4.3 系统架构 | 第49页 |
| 4.4 深度学习指纹定位算法 | 第49-52页 |
| 4.4.1 数据处理 | 第49-51页 |
| 4.4.2 离线阶段 | 第51页 |
| 4.4.3 在线阶段 | 第51-52页 |
| 4.5 实验结果与分析 | 第52-54页 |
| 4.5.1 实验步骤 | 第52-53页 |
| 4.5.2 结果分析 | 第53-54页 |
| 4.6 总结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文总结 | 第56页 |
| 5.2 未来的工作与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士期间已发表的论文 | 第64页 |
| 攻读硕士期间参加的科研项目 | 第64页 |
