| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 论文研究的背景和目的 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 室内行人定位技术发展现状 | 第13-14页 |
| 1.2.2 典型室内行人定位系统介绍 | 第14页 |
| 1.2.3 惯性测量和WiFi指纹组合定位的研究现状 | 第14-16页 |
| 1.3 论文研究内容 | 第16-18页 |
| 第2章 室内行人定位技术基础理论 | 第18-27页 |
| 2.1 常用坐标系及其转换关系 | 第18-20页 |
| 2.1.1 坐标系定义 | 第18页 |
| 2.1.2 坐标系转换 | 第18-20页 |
| 2.2 基于惯性测量的室内定位原理 | 第20-24页 |
| 2.2.1 连续积分惯性定位原理 | 第20-23页 |
| 2.2.2 行人航迹推算原理 | 第23-24页 |
| 2.3 基于WiFi指纹的室内定位原理 | 第24-25页 |
| 2.4 基于惯性测量\WiFi指纹\建筑地图的室内定位原理 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于双层库的WiFi指纹定位算法 | 第27-37页 |
| 3.1 WiFi信号特征分析 | 第27-29页 |
| 3.2 离线双层WiFi指纹库建立 | 第29-33页 |
| 3.2.1 WiFi信号的数据采集 | 第29页 |
| 3.2.2 WiFi信号的数据预处理 | 第29-31页 |
| 3.2.3 双层离线指纹库构建 | 第31-33页 |
| 3.3 自适应在线匹配算法 | 第33-36页 |
| 3.3.1 在线匹配指纹生成 | 第33-34页 |
| 3.3.2 在线匹配定位算法 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于贝叶斯估计的二阶级联信息融合算法 | 第37-49页 |
| 4.1 基于卡尔曼滤波的行人惯性定位解算 | 第37-42页 |
| 4.1.1 基于卡尔曼滤波的行人运动建模 | 第37-39页 |
| 4.1.2 基于卡尔曼滤波的惯性定位算法实现 | 第39-41页 |
| 4.1.3 零速校正对航向误差校正效果分析 | 第41-42页 |
| 4.2 基于粒子滤波的多信息源信息融合算法 | 第42-48页 |
| 4.2.1 粒子滤波算法原理 | 第42-44页 |
| 4.2.2 基于粒子滤波的多信息源信息融合算法实现 | 第44-46页 |
| 4.2.3 粒子改进滤波算法 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 行人室内定位系统定位试验 | 第49-60页 |
| 5.1 行人室内定位系统试验平台 | 第49-50页 |
| 5.1.1 MTiG710惯性器件简介 | 第49页 |
| 5.1.2 室内行人定位试验系统 | 第49-50页 |
| 5.2 室内行人定位系统试验设计 | 第50-52页 |
| 5.3 试验结果及分析 | 第52-58页 |
| 5.3.1 基于双层库的WiFi指纹定位算法试验 | 第52-55页 |
| 5.3.2 基于贝叶斯估计的二阶信息融合算法试验 | 第55-58页 |
| 5.4 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-70页 |
| 致谢 | 第70页 |
