基于RSSI的室内无线定位与跟踪技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 研究背景与现实意义 | 第16-18页 |
| 1.2 室内无线定位技术的研究现状 | 第18-26页 |
| 1.2.1 室内无线定位技术的分类 | 第18-23页 |
| 1.2.2 研究现状和存在问题 | 第23-26页 |
| 1.3 本文创新点及篇章结构 | 第26-28页 |
| 第二章 基于RSSI的室内无线定位技术理论基础 | 第28-42页 |
| 2.1 RSSI定位技术概述 | 第28-30页 |
| 2.2 室内无线通信信道模型 | 第30-33页 |
| 2.3 基于RSSI测距的室内定位算法 | 第33-39页 |
| 2.4 定位技术的评价指标 | 第39-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 室内定位RSSI数据的信息采集与计算 | 第42-62页 |
| 3.1 高斯模型和对数距离损耗模型 | 第42-46页 |
| 3.1.1 高斯模型 | 第42-45页 |
| 3.1.2 对数距离路径损耗模型 | 第45-46页 |
| 3.2 对数距离路径损耗模型参数估计方法 | 第46-53页 |
| 3.2.1 均值参数估计算法 | 第47-49页 |
| 3.2.2 迭代参数估计算法 | 第49-52页 |
| 3.2.3 最大似然估计算法 | 第52-53页 |
| 3.3 本文提出的ML参数估计改进算法 | 第53-61页 |
| 3.3.1 新提出算法的详细描述 | 第53-57页 |
| 3.3.2 仿真与对比分析 | 第57-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第四章 室内无线位置预测与移动轨迹跟踪算法 | 第62-86页 |
| 4.1 目标节点的运动模型和贝叶斯滤波算法 | 第62-65页 |
| 4.1.1 目标节点的运动模型 | 第62-64页 |
| 4.1.2 贝叶斯滤波 | 第64-65页 |
| 4.2 室内定位跟踪的滤波方法 | 第65-75页 |
| 4.2.1 基于卡尔曼滤波的跟踪算法 | 第65-72页 |
| 4.2.2 基于粒子滤波的跟踪算法 | 第72-75页 |
| 4.3 联合卡尔曼滤波与粒子滤波跟踪算法 | 第75-84页 |
| 4.3.1 新提出算法的详细描述 | 第75-77页 |
| 4.3.2 仿真与对比分析 | 第77-84页 |
| 4.4 本章小结 | 第84-86页 |
| 第五章 总结与展望 | 第86-88页 |
| 5.1 全文工作总结 | 第86-87页 |
| 5.2 进一步研究展望 | 第87-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-96页 |
| 作者简介 | 第96-97页 |
