基于WLAN室内定位的特征选择与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的创新点及限制条件 | 第12-13页 |
| 1.3.1 论文的创新点 | 第12页 |
| 1.3.2 论文的限制条件 | 第12-13页 |
| 1.4 本文的主要内容及章节安排 | 第13-15页 |
| 第二章 室内定位技术 | 第15-27页 |
| 2.1 室内定位系统 | 第15-20页 |
| 2.1.1 GPS卫星定位系统 | 第15-16页 |
| 2.1.2 红外定位系统 | 第16-17页 |
| 2.1.3 射频识别定位系统 | 第17-18页 |
| 2.1.4 超宽带定位系统 | 第18页 |
| 2.1.5 蓝牙定位系统 | 第18-19页 |
| 2.1.6 WiFi无线定位系统 | 第19-20页 |
| 2.2 室内定位主要方法 | 第20-25页 |
| 2.2.1 TOA三角测量法 | 第20-21页 |
| 2.2.2 TDOA测量法 | 第21-22页 |
| 2.2.3 AOA角度测量法 | 第22-23页 |
| 2.2.4 基于RSS的定位测量算法 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 基于位置指纹的室内定位算法 | 第27-41页 |
| 3.1 位置指纹模型 | 第27-28页 |
| 3.2 K近邻算法 | 第28-30页 |
| 3.2.1 最近邻算法 | 第29-30页 |
| 3.2.2 加权K近邻算法 | 第30页 |
| 3.3 室内定位决策树算法 | 第30-34页 |
| 3.3.1 C4.5/ID3 | 第32-33页 |
| 3.3.2 CART 树 | 第33-34页 |
| 3.4 朴素贝叶斯算法 | 第34-36页 |
| 3.5 支持向量机 | 第36-40页 |
| 3.5.1 线性可分支持向量机 | 第36-37页 |
| 3.5.2 线性不可分支持向量机 | 第37-38页 |
| 3.5.3 非线性支持向量机 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 提升算法在室内定位中的应用 | 第41-45页 |
| 4.1 启发式算法 | 第41-42页 |
| 4.2 弱分类器 | 第42页 |
| 4.3 基于提升算法的室内定位算法 | 第42-44页 |
| 4.4 提升算法在室内定位中的应用 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 室内定位特征选择算法研究 | 第45-53页 |
| 5.1 特征选择 | 第45页 |
| 5.2 信息增益算法 | 第45-47页 |
| 5.3 基尼指数特征提取算法 | 第47页 |
| 5.4 PCA主成分分析算法 | 第47-50页 |
| 5.5 LDA线性判别分析 | 第50-51页 |
| 5.6 本章总结 | 第51-53页 |
| 第六章 定位性能测试及结论分析 | 第53-63页 |
| 6.1 实验方案设计 | 第53页 |
| 6.2 实验环境 | 第53-56页 |
| 6.3 实验结果及结论 | 第56-63页 |
| 6.3.1 实验结果 | 第56-60页 |
| 6.3.2 分析及结论 | 第60-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 总结 | 第63页 |
| 7.2 下一步研究展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者攻读学位期间发表的学术论文目录 | 第71页 |
