| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 室内无线定位技术概述 | 第14-23页 |
| 2.1 Wi-Fi通信技术介绍 | 第14-16页 |
| 2.1.1 Wi-Fi网络接入工作原理 | 第14-15页 |
| 2.1.2 Wi-Fi网络拓扑结构 | 第15-16页 |
| 2.2 基于测距的定位算法 | 第16-19页 |
| 2.2.1 TOA定位方法 | 第16-17页 |
| 2.2.2 TDOA定位方法 | 第17-18页 |
| 2.2.3 AOA定位方法 | 第18页 |
| 2.2.4 RSSI传播模型定位方法 | 第18-19页 |
| 2.3 基于非测距定位方法 | 第19-22页 |
| 2.3.1 最近邻定位方法 | 第20-21页 |
| 2.3.2 概率定位方法 | 第21页 |
| 2.3.3 人工神经网络定位法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于支持向量机的室内定位算法的研究 | 第23-33页 |
| 3.1 基于支持向量机定位算法模型 | 第23-25页 |
| 3.1.1 基于支持向量机室内定位策略 | 第23-24页 |
| 3.1.2 基于支持向量机定位原理 | 第24-25页 |
| 3.2 基于支持向量机室内定位改进方案 | 第25-32页 |
| 3.2.1 训练数据影响因素分析 | 第25-28页 |
| 3.2.2 离线阶段改进方案 | 第28-31页 |
| 3.2.3 在线阶段改进方案 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 基于支持向量机的室内定位体系架构及方法设计 | 第33-40页 |
| 4.1 定位方法约束条件 | 第33页 |
| 4.2 基于支持向量机的室内定位方法体系架构 | 第33-35页 |
| 4.2.1 分布式体系结构 | 第33-34页 |
| 4.2.2 集中式体系结构 | 第34-35页 |
| 4.3 基于支持向量机的室内定位方法设计 | 第35-39页 |
| 4.3.1 离线阶段数据采集 | 第36-37页 |
| 4.3.2 离线阶段数据过滤 | 第37-38页 |
| 4.3.3 训练预测模型 | 第38-39页 |
| 4.3.4 在线预测定位 | 第39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 实验及结果分析 | 第40-48页 |
| 5.1 实验方案构建 | 第40-43页 |
| 5.1.1 室内定位系统结构 | 第40-41页 |
| 5.1.2 数据库方案 | 第41-42页 |
| 5.1.3 实验数据介绍 | 第42-43页 |
| 5.2 实验结果 | 第43-47页 |
| 5.2.1 数据预处理对定位精度影响 | 第43-44页 |
| 5.2.2 参考点数量对定位精度影响 | 第44页 |
| 5.2.3 对比其他定位方法 | 第44-45页 |
| 5.2.4 在线阶段测量次数对定位精度影响 | 第45-46页 |
| 5.2.5 核函数对定位精度影响 | 第46-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第6章 结论 | 第48-50页 |
| 6.1 工作总结 | 第48-49页 |
| 6.2 未来展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-52页 |