| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-33页 |
| 1.1 引言 | 第15页 |
| 1.2 课题来源与背景 | 第15-19页 |
| 1.2.1 课题来源与研究背景 | 第15-18页 |
| 1.2.2 课题研究目的和意义 | 第18-19页 |
| 1.3 课题国内外发展及其研究现状 | 第19-30页 |
| 1.3.1 室内无线定位技术及其典型应用 | 第19-23页 |
| 1.3.2 指纹匹配的WLAN室内定位技术研究现状 | 第23-25页 |
| 1.3.3 基于指纹匹配的WLAN定位系统 | 第25-27页 |
| 1.3.4 指纹匹配定位技术存在的问题 | 第27-30页 |
| 1.4 本文研究的主要内容 | 第30-33页 |
| 第2章 室内定位技术理论基础 | 第33-49页 |
| 2.1 指纹匹配定位的原理与技术 | 第33-38页 |
| 2.1.1 WLAN定位的基本原理 | 第33-34页 |
| 2.1.2 WLAN定位技术的分类 | 第34-38页 |
| 2.2 信号与位置空间的关系 | 第38-42页 |
| 2.2.1 数学传播模型法 | 第39页 |
| 2.2.2 位置指纹法 | 第39-40页 |
| 2.2.3 指纹数据的预处理 | 第40-42页 |
| 2.3 指纹匹配定位的基本算法 | 第42-46页 |
| 2.3.1 确定性的定位方法 | 第42-44页 |
| 2.3.2 基于概率性的定位方法 | 第44-46页 |
| 2.4 指纹匹配定位的实验环境 | 第46-48页 |
| 2.4.1 典型的室内定位实验环境 | 第46-47页 |
| 2.4.2 数据采集与Radio Map的建立 | 第47-48页 |
| 2.5 本章小结 | 第48-49页 |
| 第3章 基于半监督流形学习的降维算法 | 第49-73页 |
| 3.1 维数约减与流形学习 | 第49-56页 |
| 3.1.1 维数约减的基本概念 | 第50-51页 |
| 3.1.2 基于流形学习的维数约减 | 第51页 |
| 3.1.3 典型的流形学习算法 | 第51-54页 |
| 3.1.4 局部判别嵌入算法 | 第54-56页 |
| 3.2 基于半监督降维的WLAN室内定位算法 | 第56-61页 |
| 3.2.1 SDE定位特征提取的意义 | 第56-57页 |
| 3.2.2 SDE定位算法概述 | 第57-60页 |
| 3.2.3 SDE算法的特征维数选择 | 第60-61页 |
| 3.2.4 SDE算法的近邻点个数选取 | 第61页 |
| 3.3 SDE算法的性能实验与结果分析 | 第61-72页 |
| 3.3.1 定位特征提取算法对比 | 第62-64页 |
| 3.3.2 降维嵌入特征维数的影响 | 第64-67页 |
| 3.3.3 近邻样本个数的影响 | 第67-69页 |
| 3.3.4 定位计算复杂度分析 | 第69-71页 |
| 3.3.5 样本数目对定位精度的影响 | 第71-72页 |
| 3.4 本章小结 | 第72-73页 |
| 第4章 距离约束的半监督指纹聚类分块算法 | 第73-93页 |
| 4.1 聚类的基本理论与算法 | 第73-78页 |
| 4.1.1 c均值聚类算法 | 第74-75页 |
| 4.1.2 模糊c均值聚类算法 | 第75-77页 |
| 4.1.3 仿射传播聚类算法 | 第77-78页 |
| 4.2 结合c均值的半监督仿射传播聚类算法 | 第78-84页 |
| 4.2.1 基于c均值聚类的参考点分区 | 第79-81页 |
| 4.2.2 半监督仿射传播聚类算法的基本原理 | 第81-83页 |
| 4.2.3 结合SAPC算法的离线指纹聚类 | 第83-84页 |
| 4.3 SAPC聚类算法的性能实验与结果分析 | 第84-92页 |
| 4.3.1 不同聚类算法的性能比较 | 第84-87页 |
| 4.3.2 SAPC算法参数对聚类性能的影响 | 第87-89页 |
| 4.3.3 聚类算法对指纹定位性能的影响 | 第89-92页 |
| 4.4 本章小结 | 第92-93页 |
| 第5章 基于用户轨迹的指纹数据库更新 | 第93-112页 |
| 5.1 隐马尔可夫模型及其学习算法 | 第93-99页 |
| 5.1.1 HMM模型的基本理论 | 第93-96页 |
| 5.1.2 HMM模型参数的学习算法 | 第96-99页 |
| 5.2 移动用户的运动轨迹与Radio Map更新 | 第99-103页 |
| 5.2.1 基于用户位置的HMM模型分析 | 第100-101页 |
| 5.2.2 HMM模型参数的求解 | 第101-102页 |
| 5.2.3 基于信息熵增益的无线接入点选择 | 第102-103页 |
| 5.3 基于隐马尔可夫模型的定位算法 | 第103-111页 |
| 5.3.1 Radio Map更新的实验环境 | 第103-104页 |
| 5.3.2 隐马尔可夫模型的建立 | 第104-105页 |
| 5.3.3 基于信息熵选择的更新算法性能分析 | 第105-111页 |
| 5.4 本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 附录A 英文缩略词 | 第125-126页 |
| 攻读博士学位期间发表的论文及其它成果 | 第126-129页 |
| 致谢 | 第129-131页 |
| 个人简历 | 第131页 |