| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 选题背景及现实意义 | 第8页 |
| 1.2 相关研究现状 | 第8-10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 1.4 本文结构安排 | 第11-12页 |
| 第2章 Wifi指纹定位技术原理 | 第12-18页 |
| 2.1 典型的室内信号传播模型 | 第12-13页 |
| 2.1.1 线性路径损耗模型 | 第12-13页 |
| 2.1.2 信号传输对数损耗模型 | 第13页 |
| 2.2 经典位置指纹匹配算法 | 第13-16页 |
| 2.2.1 最近邻法(NNSS)算法 | 第13-14页 |
| 2.2.2 k最近邻(k-Nearest Neighbor, KNN)算法 | 第14页 |
| 2.2.3 概率定位算法 | 第14-15页 |
| 2.2.4 极大似然概率 (Maximum likelihood , ML) 算法 | 第15-16页 |
| 2.3 基于Wifi的指纹定位技术原理 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 KNN+Bayes融合定位算法 | 第18-32页 |
| 3.1 Wifi信号在室内的传播模型选择及其误差修正 | 第18-22页 |
| 3.1.1 室内信号的统计与特征分析 | 第18-21页 |
| 3.1.2 传播模型选择 | 第21-22页 |
| 3.1.3 误差修正 | 第22页 |
| 3.2 KNN算法和Bayes算法性能分析 | 第22-25页 |
| 3.2.1 KNN算法性能分析 | 第23-24页 |
| 3.2.2 Bayes算法性能分析 | 第24-25页 |
| 3.3 定位算法效率分析 | 第25-28页 |
| 3.3.1 定位规模与算法效率 | 第25-26页 |
| 3.3.2 终端差异与指纹鲁棒性 | 第26-27页 |
| 3.3.3 指纹密度与定位精度 | 第27页 |
| 3.3.4 定位规模与指纹库构建 | 第27页 |
| 3.3.5 指纹库构建与定位精度 | 第27-28页 |
| 3.4 基于分段和插值的KNN+Bayes融合定位算法的原理 | 第28-31页 |
| 3.4.1 高斯滤波处理 | 第28页 |
| 3.4.2 MAC地址过滤 | 第28-29页 |
| 3.4.3 KNN算法粗定位 | 第29-30页 |
| 3.4.4 插值法生成虚拟采样点 | 第30页 |
| 3.4.5 Bayes算法精确定位 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 KNN+Bayes融合定位算法的应用 | 第32-40页 |
| 4.1 系统需求分析 | 第32-34页 |
| 4.1.1 系统描述 | 第32-33页 |
| 4.1.2 定位系统的功能需求分析 | 第33-34页 |
| 4.2 系统设计与实现 | 第34-39页 |
| 4.2.1 系统定位服务流程 | 第34-35页 |
| 4.2.2 移动客户端设计 | 第35-37页 |
| 4.2.3 定位服务器的设计 | 第37-38页 |
| 4.2.4 指纹库的设计 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 定位测试与分析 | 第40-44页 |
| 5.1 定位系统部署 | 第40-41页 |
| 5.2 定位测试与结果分析 | 第41-43页 |
| 5.3 本章小结 | 第43-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 6.1 本文总结 | 第44页 |
| 6.2 未来研究工作展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士学位期间公开发表的论文 | 第50页 |
