| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 引言 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外对室内定位的研究现状 | 第12-13页 |
| 1.3 现有定位系统存在的缺点 | 第13-14页 |
| 1.4 论文研究内容 | 第14页 |
| 1.5 论文组织结构 | 第14-17页 |
| 第二章 室内定位技术 | 第17-25页 |
| 2.1 室内相关定位技术 | 第17-23页 |
| 2.1.1 基于设备的无线通信定位技术 | 第17-20页 |
| 2.1.2 基于WiFi的室内定位技术 | 第20-23页 |
| 2.2 定位的设计指标和定位影响因素 | 第23-24页 |
| 2.2.1 定位的评价指标 | 第23-24页 |
| 2.2.2 影响定位精度的主要因素 | 第24页 |
| 2.3 小结 | 第24-25页 |
| 第三章 基于CSI识别和混合指纹的室内定位算法 | 第25-37页 |
| 3.1 磁场强度及其特点 | 第25-27页 |
| 3.1.1 磁场在室内的分布 | 第25页 |
| 3.1.2 磁场的稳定性 | 第25-26页 |
| 3.1.3 磁场的分辨率 | 第26-27页 |
| 3.2 CSI简介 | 第27-29页 |
| 3.2.1 CSI模型 | 第27-28页 |
| 3.2.2 CSI的校准 | 第28页 |
| 3.2.3 CSI的相位 | 第28-29页 |
| 3.3 系统模型与结构 | 第29-31页 |
| 3.3.1 系统模型 | 第29-30页 |
| 3.3.2 系统结构 | 第30-31页 |
| 3.4 建立指纹库 | 第31-32页 |
| 3.4.1 构建混合指纹库 | 第32页 |
| 3.5 LOS识别算法 | 第32-33页 |
| 3.5.1 LOS/NLOS识别 | 第32-33页 |
| 3.6 混合指纹匹配算法 | 第33-35页 |
| 3.7 小结 | 第35-37页 |
| 第四章 基于卷积神经网络的室内指纹定位算法 | 第37-45页 |
| 4.1 深度学习 | 第37-40页 |
| 4.1.1 人工神经网络 | 第37-38页 |
| 4.1.2 误差反向传播算法 | 第38页 |
| 4.1.3 典型深度学习网络 | 第38-40页 |
| 4.2 系统模型与结构 | 第40-42页 |
| 4.2.1 系统模型 | 第40-41页 |
| 4.2.2 系统结构 | 第41-42页 |
| 4.3 建立指纹库 | 第42-43页 |
| 4.3.1 数据归一化 | 第42页 |
| 4.3.2 CNN模型训练 | 第42-43页 |
| 4.4 指纹匹配算法 | 第43页 |
| 4.5 小结 | 第43-45页 |
| 第五章 实验和结果分析 | 第45-57页 |
| 5.1 基于LOS识别和MDS-KNN算法的指纹定位系统 | 第45-52页 |
| 5.1.1 实验环境 | 第45页 |
| 5.1.2 LOS/NLOS识别的性能 | 第45-48页 |
| 5.1.3 MDS-KNN指纹匹配的性能 | 第48-52页 |
| 5.2 基于CNN网络的指纹定位系统 | 第52-55页 |
| 5.2.1 实验环境与数据处理 | 第52页 |
| 5.2.2 基于CNN指纹定位的定位性能 | 第52-53页 |
| 5.2.3 训练样本数对定位结果的影响 | 第53-54页 |
| 5.2.4 与传统定位算法的比较 | 第54-55页 |
| 5.3 小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 本文的主要工作 | 第57页 |
| 6.2 下一步的工作思路 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士期间已发表的论文 | 第65页 |
| 攻读硕士期间参加的科研项目 | 第65页 |