| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题的研究背景和意义 | 第10页 |
| 1.2 室内定位技术国内外研究现状 | 第10-12页 |
| 1.3 室内定位技术难点 | 第12-13页 |
| 1.4 论文主要研究内容及创新点 | 第13-14页 |
| 1.4.1 论文的主要研究内容 | 第13页 |
| 1.4.2 论文创新点 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 基于信息柔性融合的室内定位系统结构 | 第16-30页 |
| 2.1 室内定位技术原理 | 第16-19页 |
| 2.1.1 基于测距的定位算法 | 第16-17页 |
| 2.1.2 基于非测距的定位算法 | 第17-19页 |
| 2.1.3 各种定位算法的优缺点对比 | 第19页 |
| 2.2 定位算法的克拉美罗界 | 第19-24页 |
| 2.2.1 克拉美罗界意义 | 第19-21页 |
| 2.2.2 TOA算法的CRLB | 第21-22页 |
| 2.2.3 非零均值噪声下的CRLB | 第22-24页 |
| 2.3 信息柔性融合技术 | 第24-26页 |
| 2.3.1 信息柔性融合原理 | 第24-25页 |
| 2.3.2 信息柔性融合结构 | 第25-26页 |
| 2.3.3 柔性融合方法 | 第26页 |
| 2.3.4 柔性融合与传统融合的区别 | 第26页 |
| 2.4 基于信息柔性融合的室内定位系统设计 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 信息柔性融合定位系统的数据层融合定位算法 | 第30-42页 |
| 3.1 基于奇异值反馈的单传感器融合估计方法 | 第30-33页 |
| 3.1.1 基于多冗余测量的粗点滤除法 | 第30-31页 |
| 3.1.2 奇异值反馈融合方法 | 第31-33页 |
| 3.2 基于自适应加权的融合估计算法 | 第33-35页 |
| 3.3 基于多传感器多定位参数的融合定位方法 | 第35-38页 |
| 3.3.1 多定位参数融合定位 | 第35-36页 |
| 3.3.2 一种基于RSSI/AOA的新型室内定位方法 | 第36-38页 |
| 3.4 算法测试结果 | 第38-40页 |
| 3.4.1 多冗余测量的去粗算法性能测试 | 第39页 |
| 3.4.2 奇异值反馈融合算法性能测试 | 第39页 |
| 3.4.3 自适应加权算法性能测试 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于强跟踪Kalman滤波器的决策层融合定位算法 | 第42-56页 |
| 4.1 信息柔性融合定位的决策层融合结构 | 第42-43页 |
| 4.2 卡尔曼滤波定位算法 | 第43-44页 |
| 4.2.1 卡尔曼滤波算法 | 第43页 |
| 4.2.2 基于卡尔曼滤波的决策定位算法 | 第43-44页 |
| 4.3 基于指数渐消因子的强跟踪算法 | 第44-47页 |
| 4.3.1 算法思想 | 第44-45页 |
| 4.3.2 强跟踪算法 | 第45-46页 |
| 4.3.3 基于指数渐消因子的强跟踪算法 | 第46-47页 |
| 4.4 融合前次定位结果的反馈融合决策 | 第47-48页 |
| 4.5 运动目标的强跟踪Kalman决策融合算法实现 | 第48-54页 |
| 4.5.1 运动目标强跟踪算法设计 | 第48-50页 |
| 4.5.2 运动目标强跟踪算法性能测试与分析 | 第50-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 基于低功耗蓝牙的室内定位系统设计与实现 | 第56-66页 |
| 5.1 总体设计 | 第56页 |
| 5.2 方案实现 | 第56-62页 |
| 5.2.1 软件部分 | 第56-58页 |
| 5.2.2 硬件部分 | 第58页 |
| 5.2.3 界面设计与功能实现 | 第58-62页 |
| 5.3 在线测试及结果分析 | 第62-64页 |
| 5.3.1 定位误差分析 | 第62页 |
| 5.3.2 跟踪的性能分析 | 第62-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74-75页 |
