首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于WiFi定位的指纹数据库压缩技术研究

摘要第4-5页
abstract第5页
第一章 绪论第8-12页
    1.1 论文的研究背景及意义第8-9页
    1.2 国内外研究现状第9-10页
    1.3 论文的研究内容与结构安排第10-12页
第二章 WiFi室内定位技术及插值技术第12-29页
    2.1 WiFi室内定位技术第12-15页
        2.1.1 WiFi定位技术的特点第12-13页
        2.1.2 室内定位主要影响因素第13-14页
        2.1.3 定位评判标准第14-15页
    2.2 基于信号强度的WiFi定位技术第15-18页
        2.2.1 几何模型法第15-17页
        2.2.2 场景分析法第17页
        2.2.3 各室内定位技术性能对比第17-18页
    2.3 位置指纹定位法第18-19页
    2.4 位置指纹数据库第19-20页
    2.5 典型的位置指纹定位匹配算法第20-22页
        2.5.1 最近邻算法(NN)第20页
        2.5.2 K近邻算法(KNN)第20-21页
        2.5.3 加权K近邻算法(WKNN)第21页
        2.5.4 基于加权欧氏距离的WKNN算法第21-22页
    2.6 指纹数据库的建立方法第22-23页
        2.6.1 基于空间变异理论的位置指纹数据库建立方法第22页
        2.6.2 基于插值法的位置指纹数据库建立方法第22-23页
        2.6.3 基于ARIADNE的位置指纹数据库的建立和定位系统第23页
        2.6.4 几种位置指纹数据库建立方法的比较第23页
    2.7 典型的插值算法第23-28页
        2.7.1 最近邻点插值法第24-25页
        2.7.2 逆距离权重法(IDW)第25页
        2.7.3 Shepard权重函数插值法第25-27页
        2.7.4 Shepard距离函数插值法第27-28页
        2.7.5 改进的Shepard函数插值法第28页
    2.8 本章小结第28-29页
第三章 WiFi指纹数据库建立阶段算法第29-37页
    3.1 指纹数据库的建立流程第29页
    3.2 WiFi指纹数据采集阶段第29-32页
    3.3 WiFi指纹数据预处理第32-35页
        3.3.1 数据预处理原理第32页
        3.3.2 典型的滤波技术第32-35页
    3.4 多重方向均方算法(MDSA)第35-36页
    3.5 本章小结第36-37页
第四章 算法的改进与实验结果分析第37-61页
    4.1 实验环境第37-40页
        4.1.1 AP点的布置第38-39页
        4.1.2 数据采集的软件设备第39-40页
    4.2 多重方向均方算法(MDSA)性能分析第40-42页
    4.3 特殊点处算法性能分析第42-46页
    4.4 常见插值算法性能的分析第46-52页
        4.4.1 IDW插值法的性能分析第47-50页
        4.4.2 三种Shepard函数插值法的性能分析第50-52页
    4.5 各插值算法指纹数据库压缩程度的分析第52-55页
    4.6 插值算法估算与定位性能的关系第55-57页
    4.7 系统的设计与实现第57-60页
        4.7.1 指纹数据采集设备第58-59页
        4.7.2 指纹数据库自动修正第59-60页
        4.7.3 系统应用第60页
    4.8 本章小结第60-61页
第五章 总结与展望第61-63页
    5.1 论文总结第61-62页
    5.2 论文展望第62-63页
参考文献第63-66页
附录1 Shepard插值法可调参数N_q、N_w第66-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:稀疏表示在图像去噪中的研究与应用
下一篇:高校科研创新服务平台设计与实现