基于滤波方法的无需测距室内定位研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9页 |
| 1.2 研究背景 | 第9-11页 |
| 1.2.1 传统定位技术与室内定位技术 | 第9页 |
| 1.2.2 室内定位的技术特点 | 第9-10页 |
| 1.2.3 室内定位的相关研究概述 | 第10-11页 |
| 1.3 研究意义 | 第11-12页 |
| 1.4 研究内容 | 第12-13页 |
| 1.5 论文章节安排 | 第13-15页 |
| 第2章 室内定位技术的研究进展 | 第15-23页 |
| 2.1 室内定位技术的发展趋势 | 第15-16页 |
| 2.2 室内定位技术的性能评价 | 第16-17页 |
| 2.3 室内定位技术的分类标准 | 第17页 |
| 2.4 基于测距的室内定位技术 | 第17-18页 |
| 2.5 无需测距的室内定位技术 | 第18-20页 |
| 2.6 滤波方法的应用 | 第20-21页 |
| 2.7 本章小结 | 第21-23页 |
| 第3章 无需测距的指纹匹配定位技术研究 | 第23-31页 |
| 3.1 无需测距的定位技术概述 | 第23页 |
| 3.2 通信协议对比研究 | 第23-24页 |
| 3.3 基于指纹匹配的室内定位系统 | 第24-28页 |
| 3.3.1 基于多源信息的指纹模型和地图模型 | 第25-26页 |
| 3.3.2 指纹匹配定位算法 | 第26-28页 |
| 3.3.3 指纹信息的更新 | 第28页 |
| 3.4 指纹匹配定位算法的对比实验 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 室内定位的滤波方法应用研究 | 第31-43页 |
| 4.1 定位导航系统与滤波方法 | 第31页 |
| 4.2 递归贝叶斯估计与卡尔曼滤波 | 第31-34页 |
| 4.2.1 滤波算法的预测与校正 | 第31-32页 |
| 4.2.2 预测函数的数学模型 | 第32-33页 |
| 4.2.3 校正函数的数学模型 | 第33-34页 |
| 4.3 滤波方法的噪声模型 | 第34-35页 |
| 4.4 状态转移模型的数学设计方法 | 第35-36页 |
| 4.5 线性近似滤波方法和非线性滤波方法 | 第36-37页 |
| 4.5.1 扩展卡尔曼滤波与无迹卡尔曼滤波 | 第36页 |
| 4.5.2 蒙特卡洛方法与粒子滤波 | 第36-37页 |
| 4.6 噪声模型的仿真实验 | 第37-42页 |
| 4.6.1 仿真环境与算法简述 | 第37页 |
| 4.6.2 状态转移方程的噪声模型实验 | 第37-39页 |
| 4.6.3 环境噪声模型实验 | 第39-41页 |
| 4.6.4 实验结论 | 第41-42页 |
| 4.7 本章小结 | 第42-43页 |
| 第5章 基于滤波方法的室内移动目标追踪系统 | 第43-61页 |
| 5.1 应用背景概述 | 第43-44页 |
| 5.2 系统方案的架构设计 | 第44-45页 |
| 5.3 基站部署策略与建筑布局拓扑模型 | 第45-48页 |
| 5.4 多源指纹信息模型的概要设计 | 第48-50页 |
| 5.5 指纹匹配的关键问题及解决方案 | 第50-52页 |
| 5.5.1 iBeacon蓝牙基站的应用 | 第50-51页 |
| 5.5.2 指纹信息的人工采集 | 第51页 |
| 5.5.3 指纹信息的半自动采集 | 第51-52页 |
| 5.5.4 指纹信息的自适应调整 | 第52页 |
| 5.6 滤波追踪的关键问题及解决方案 | 第52-57页 |
| 5.6.1 硬件平台与通信协议 | 第52-53页 |
| 5.6.2 信息采集的性能瓶颈 | 第53-54页 |
| 5.6.3 滤波方法的迭代过程 | 第54-55页 |
| 5.6.4 状态转移模型的动态生成方法 | 第55-57页 |
| 5.7 系统方案测试与实验结论 | 第57-60页 |
| 5.8 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间获得的学术成果 | 第67页 |
| 攻读学位期间参与的科研项目 | 第67-69页 |
| 致谢 | 第69页 |
