蜂窝网络学习型定位算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-11页 |
| ·蜂窝网络无线定位系统 | 第11-12页 |
| ·蜂窝网络无线定位技术的分类 | 第12-15页 |
| ·影响蜂窝网络无线定位精度的因素 | 第15-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·本课题的主要任务 | 第18-19页 |
| 第二章 蜂窝网络定位技术 | 第19-33页 |
| ·引言 | 第19-20页 |
| ·定位问题的最小二乘表示 | 第20页 |
| ·典型非直达波定位算法介绍 | 第20-24页 |
| ·非直达波鉴别算法 | 第21-22页 |
| ·基于统计特性和加权约束定位算法 | 第22-24页 |
| ·基于散射体信息定位算法 | 第24页 |
| ·学习型定位算法介绍 | 第24-29页 |
| ·基于神经网络的定位算法 | 第25-26页 |
| ·基于kernel 函数的非参数估计定位算法 | 第26-28页 |
| ·基于最小二乘支持向量机（LS-SVM）定位算法 | 第28-29页 |
| ·定位算法性能评价标准 | 第29-32页 |
| ·本章小节 | 第32-33页 |
| 第三章 两种基于样本点信息的学习型定位算法 | 第33-49页 |
| ·引言 | 第33页 |
| ·基于SVM 概率密度估计的定位算法 | 第33-42页 |
| ·概率密度估计问题的描述 | 第36-37页 |
| ·SVM 方法估计概率密度 | 第37-38页 |
| ·定位方法 | 第38-39页 |
| ·性能与仿真分析 | 第39-42页 |
| ·基于 Kriging 插值的定位算法 | 第42-48页 |
| ·利用Kriging 插值扩展先验信息 | 第43-45页 |
| ·性能与仿真分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于模糊SVM 的非直达波定位算法 | 第49-58页 |
| ·最小二乘SVM 函数估计 | 第49-50页 |
| ·模糊最小二乘支持向量机FLS-SVM | 第50-52页 |
| ·基于模糊最小二乘SVM 的定位算法 | 第51-52页 |
| ·模糊隶属度的确定 | 第52-54页 |
| ·现有模型及其特点 | 第52-53页 |
| ·基于SVDD 的模糊隶属度模型 | 第53-54页 |
| ·性能与仿真分析 | 第54-57页 |
| ·小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·本文工作的总结 | 第58页 |
| ·进一步的工作 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻硕期间取得的研究成果 | 第65-66页 |
