| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 射频指纹定位方法的国内外研究历史与现状 | 第12-16页 |
| 1.2.1 经典的射频指纹定位系统 | 第12-13页 |
| 1.2.2 基于机器学习的射频指纹定位算法研究现状 | 第13-16页 |
| 1.3 本论文的结构安排 | 第16-18页 |
| 第二章 射频指纹定位方法原理及分析 | 第18-30页 |
| 2.1 射频指纹定位方法基本原理和流程 | 第18-19页 |
| 2.2 射频指纹选取 | 第19-21页 |
| 2.2.1 指纹特征选取 | 第19-20页 |
| 2.2.2 接收信号强度 | 第20-21页 |
| 2.3 基于RSS的指纹信号空间分析 | 第21-29页 |
| 2.3.1 实验平台介绍 | 第21-23页 |
| 2.3.2 接收信号强度的时间分布特性 | 第23-26页 |
| 2.3.3 接收信号强度的空间分布特性 | 第26-29页 |
| 2.3.4 射频指纹定位方法误差分析 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 机器学习及其在指纹定位中的应用 | 第30-40页 |
| 3.1 机器学习 | 第30页 |
| 3.2 机器学习在指纹定位中的应用 | 第30-31页 |
| 3.3 经典的机器学习方法理论基础 | 第31-35页 |
| 3.3.1 近邻法 | 第31-32页 |
| 3.3.2 概率法 | 第32-33页 |
| 3.3.3 人工神经网络 | 第33-35页 |
| 3.4 非线性支持向量回归 | 第35-39页 |
| 3.4.1 核函数的基本理论 | 第35-36页 |
| 3.4.2 支持向量回归基本原理 | 第36-37页 |
| 3.4.3 非线性?-SVR基本原理 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于机器学习的解析指纹定位方法 | 第40-58页 |
| 4.1 解析指纹定位方法 | 第40-46页 |
| 4.1.1 解析指纹定位方法基本原理 | 第40-44页 |
| 4.1.2 仿真与结果分析 | 第44-46页 |
| 4.2 解析指纹的变异性分析 | 第46-49页 |
| 4.2.1 指纹模糊区变异性分析 | 第46-48页 |
| 4.2.2 解析指纹变异性分析 | 第48-49页 |
| 4.3 基于机器学习的解析指纹定位方法 | 第49-57页 |
| 4.3.1 遗传算法 | 第50-52页 |
| 4.3.2 基于遗传算法的解析指纹定位方法 | 第52-54页 |
| 4.3.3 基于人工神经网络的解析指纹定位方法 | 第54-56页 |
| 4.3.4 仿真与结果分析 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于非线性?-SVR的RSS指纹定位方法 | 第58-69页 |
| 5.1 基于非线性?-SVR的RSS指纹定位方法 | 第58-59页 |
| 5.2 实验环境搭建 | 第59-60页 |
| 5.3 参数分析及优化 | 第60-65页 |
| 5.3.1 参数分析 | 第60-64页 |
| 5.3.2 基于交叉验证和网格寻优的参数优化 | 第64-65页 |
| 5.4 实验与结果分析 | 第65-68页 |
| 5.4.1 定位方法性能对比 | 第65-67页 |
| 5.4.2 采样间隔影响 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 全文总结与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |