| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 背景和意义 | 第9-10页 |
| 1.2 研究内容和难点 | 第10-13页 |
| 1.3 本文的贡献 | 第13-14页 |
| 1.4 本人所做研究和工作 | 第14页 |
| 1.5 论文的组织 | 第14-15页 |
| 第二章 高精度室内外场景识别技术基础 | 第15-21页 |
| 2.1 国内外场景识别检测技术概述 | 第15-18页 |
| 2.1.1 基于设备预部署的场景识别技术 | 第15-16页 |
| 2.1.2 基于环境感知的逻辑定位 | 第16-17页 |
| 2.1.3 基于图像处理和模式识别的室内外场景分类 | 第17-18页 |
| 2.2 主流技术比较 | 第18页 |
| 2.3 基本分类判断算法模型 | 第18-20页 |
| 2.3.1 决策树模型 | 第18-19页 |
| 2.3.2 隐马尔可夫模型 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于多模态的高精度室内外场景识别技术 | 第21-38页 |
| 3.1 系统概述 | 第21-22页 |
| 3.2 光模块 | 第22-27页 |
| 3.3 基站信号模块 | 第27-32页 |
| 3.3.1 基站信号强度 | 第28-29页 |
| 3.3.2 基站信号强度模型迭代 | 第29-32页 |
| 3.4 磁模块 | 第32-34页 |
| 3.5 温度模块 | 第34-35页 |
| 3.6 气压模块 | 第35-36页 |
| 3.7 本章小结 | 第36-38页 |
| 第四章 多模融合及算法性能验证 | 第38-44页 |
| 4.1 多模融合算法 | 第38-40页 |
| 4.1.1 多模融合检测模型 | 第38-39页 |
| 4.1.2 权值动态调整方法 | 第39-40页 |
| 4.2 基于HMM的有状态室内外场景识别技术 | 第40-42页 |
| 4.2.1 转移概率 | 第41-42页 |
| 4.2.2 发射概率 | 第42页 |
| 4.2.3 VITERBI算法 | 第42页 |
| 4.3 本章小结 | 第42-44页 |
| 第五章 室内外场景检测系统的验证 | 第44-51页 |
| 5.1 系统实验方法 | 第44-49页 |
| 5.1.1 功能测试检测 | 第45-46页 |
| 5.1.2 时延检测 | 第46-47页 |
| 5.1.3 误报率检测 | 第47-48页 |
| 5.1.4 功耗检测 | 第48-49页 |
| 5.2 系统表现评测 | 第49-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 结束语 | 第51-53页 |
| 6.1 论文工作总结 | 第51页 |
| 6.2 下阶段研究方向 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文 | 第58页 |