| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题研究的背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 室内定位技术的研究现状 | 第16-18页 |
| 1.2.2 WLAN的室内定位技术研究现状 | 第18-19页 |
| 1.3 基于位置指纹法的定位问题与挑战 | 第19-20页 |
| 1.3.1 定位方法描述 | 第19-20页 |
| 1.3.2 存在的问题和挑战 | 第20页 |
| 1.4 本文主要研究的内容和创新点 | 第20-21页 |
| 1.5 本文的结构安排 | 第21-22页 |
| 第二章 基于WLAN的定位技术 | 第22-40页 |
| 2.1 基于模型的定位方法研究 | 第22-26页 |
| 2.1.1 三边测量法 | 第23-24页 |
| 2.1.2 最小二乘法 | 第24-25页 |
| 2.1.3 基于模型的室内定位方法的优缺点 | 第25-26页 |
| 2.2 基于位置指纹的定位方法研究 | 第26-36页 |
| 2.2.1 KNN方法 | 第26-27页 |
| 2.2.2 贝叶斯决策方法 | 第27-30页 |
| 2.2.3 PPMCC方法 | 第30-33页 |
| 2.2.4 神经网络方法 | 第33-34页 |
| 2.2.5 SVM回归方法 | 第34-36页 |
| 2.2.6 决策树方法 | 第36页 |
| 2.3 指纹数据库聚类和构建方法 | 第36-39页 |
| 2.3.1 K-均值聚类算法 | 第36-37页 |
| 2.3.2 最大信号强度值聚类算法 | 第37页 |
| 2.3.3 指纹数据库的自动构建与校准 | 第37-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 基于多分类器融合的室内定位技术 | 第40-52页 |
| 3.1 引言 | 第40-41页 |
| 3.2 基于贝叶斯融合的室内定位方法 | 第41-43页 |
| 3.3 基于Multi-Agent融合的室内定位方法 | 第43-46页 |
| 3.3.1 基于Multi-Agent模型的融合思想 | 第43-44页 |
| 3.3.2 基于Multi-Agent模型的室内定位方法 | 第44-46页 |
| 3.4 实验分析与验证 | 第46-51页 |
| 3.4.1 实验设计 | 第46-49页 |
| 3.4.2 实验结果分析 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于Wi-Fi的室内定位系统性能测试 | 第52-65页 |
| 4.1 定位系统组成 | 第52-54页 |
| 4.1.1 系统整体架构 | 第52-53页 |
| 4.1.2 测试环境 | 第53-54页 |
| 4.2 静态定位性能分析 | 第54-57页 |
| 4.2.1 KNN方法定位性能分析 | 第55-56页 |
| 4.2.3 Gaussian分布方法定位性能分析 | 第56-57页 |
| 4.2.4 PPMCC方法定位性能分析 | 第57页 |
| 4.3 动态定位性能分析 | 第57-62页 |
| 4.3.1 奇异值校准 | 第58-60页 |
| 4.3.2 卡尔曼滤波 | 第60-62页 |
| 4.5 设备互异性问题分析 | 第62-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 今后研究的展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73页 |
