| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题研究的背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-12页 |
| ·LBS的发展以及研究现状 | 第8-9页 |
| ·室内定位技术方法研究现状 | 第9页 |
| ·压缩感知技术研究现状 | 第9-10页 |
| ·基于WiFi室内定位技术现状 | 第10-12页 |
| ·提出问题及解决方案 | 第12页 |
| ·本文研究工作及论文结构 | 第12-14页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第二章 位置指纹和WiFi定位理论 | 第14-22页 |
| ·基于位置指纹室内定位系统简介 | 第14-15页 |
| ·影响WiFi室内定位精度因素的分析 | 第15-16页 |
| ·指纹定位算法的介绍 | 第16-19页 |
| ·确定型算法 | 第16-17页 |
| ·概率型算法 | 第17-19页 |
| ·位置指纹算法基本原理与定位流程 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 压缩感知理论 | 第22-34页 |
| ·压缩感知的定义 | 第22页 |
| ·压缩感知数学模型 | 第22-23页 |
| ·信号的稀疏表示 | 第23-26页 |
| ·可稀疏信号 | 第23-24页 |
| ·稀疏表示的数学模型 | 第24-26页 |
| ·信号稀疏观测矩阵理论 | 第26-29页 |
| ·观测矩阵的理论分析 | 第26-27页 |
| ·常见的观测矩阵 | 第27-29页 |
| ·稀疏信号的重建 | 第29-33页 |
| ·稀疏信号重建的理论分析 | 第29页 |
| ·稀疏信号重建算法 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于压缩感知信号重构的WiFi室内定位算法 | 第34-43页 |
| ·引言 | 第34页 |
| ·压缩感知算法 | 第34-35页 |
| ·K均值聚类改进支持向量机 | 第35-38页 |
| ·K均值聚类算法 | 第35-36页 |
| ·支持向量机算法 | 第36-37页 |
| ·K均值聚类改进SVM算法 | 第37-38页 |
| ·CS-KSVM算法流程 | 第38-39页 |
| ·仿真与结果分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于压缩感知IMU辅助动态室内定位 | 第43-52页 |
| ·引言 | 第43页 |
| ·惯性传感器定位原理 | 第43-46页 |
| ·连续积分模型 | 第43-44页 |
| ·航迹推算模型 | 第44-46页 |
| ·压缩感知融合惯性测量算法 | 第46-48页 |
| ·距离估计和航向变化 | 第46-47页 |
| ·惯性测量和压缩感知算法融合 | 第47-48页 |
| ·实验仿真与结果分析 | 第48-51页 |
| ·定点位置精度测试 | 第48-50页 |
| ·加入惯性测量单元定位测试 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 在校期间发表论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |