| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题来源、背景及研究意义 | 第10-11页 |
| 1.2 室内定位的国内外研究现状 | 第11-13页 |
| 1.2.1 红外线定位 | 第11页 |
| 1.2.2 蓝牙定位 | 第11页 |
| 1.2.3 射频识别定位 | 第11-12页 |
| 1.2.4 超声波定位 | 第12页 |
| 1.2.5 WiFi定位 | 第12页 |
| 1.2.6 定位小结 | 第12-13页 |
| 1.3 本文主要内容与结构 | 第13-15页 |
| 1.3.1 主要内容 | 第13-14页 |
| 1.3.2 论文结构 | 第14-15页 |
| 第二章 WiFi室内定法方法研究 | 第15-24页 |
| 2.1 WiFi定位分类 | 第15-19页 |
| 2.1.1 主动定位与被动定位 | 第15-16页 |
| 2.1.2 基于时间特性的定位方法 | 第16-18页 |
| 2.1.3 基于传播模型的定位方法 | 第18页 |
| 2.1.4 基于指纹的定位方法 | 第18-19页 |
| 2.2 典型的基于指纹库的定位算法 | 第19-23页 |
| 2.2.1 近邻定位算法 | 第19-21页 |
| 2.2.2 朴素贝叶斯法 | 第21-22页 |
| 2.2.3 支持向量机法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于CSI的被动神经网络定位算法分析 | 第24-38页 |
| 3.1 CSI概述 | 第24-29页 |
| 3.1.1 CSI介绍 | 第24-25页 |
| 3.1.2 RSSI的特性 | 第25-26页 |
| 3.1.3 RSSI与CSI比较 | 第26-27页 |
| 3.1.4 CSI定位分析 | 第27-28页 |
| 3.1.5 基于CSI的定位算法介绍 | 第28-29页 |
| 3.2 BP神经网络定位算法 | 第29-33页 |
| 3.2.1 神经网络概述 | 第29-31页 |
| 3.2.2 BP神经网络算法 | 第31-33页 |
| 3.3 被动BP神经网络定位算法分析 | 第33-37页 |
| 3.3.1 被动定位实现 | 第33页 |
| 3.3.2 BP神经网络定位算法流程 | 第33-35页 |
| 3.3.3 不同特征值的影响 | 第35-36页 |
| 3.3.4 不同样本集的影响 | 第36页 |
| 3.3.5 算法分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于深度抽象的集成网络定位算法 | 第38-54页 |
| 4.1 深度学习概述 | 第38-43页 |
| 4.1.1 受限玻尔兹曼机 | 第38-41页 |
| 4.1.2 对比散列算法 | 第41-42页 |
| 4.1.3 栈式自动编码器 | 第42-43页 |
| 4.2 基于深度学习的定位算法 | 第43-46页 |
| 4.2.1 算法描述 | 第43-45页 |
| 4.2.2 数据处理 | 第45页 |
| 4.2.3 基于自动编码器的特征抽象实现 | 第45-46页 |
| 4.3 集成神经网络定位算法 | 第46-49页 |
| 4.3.1 Boosting算法概述 | 第46-47页 |
| 4.3.2 集成神经网络算法描述 | 第47-49页 |
| 4.4 基于深度抽象的集成网络算法 | 第49-53页 |
| 4.4.1 算法框架 | 第49-50页 |
| 4.4.2 算法描述 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 实验结果及分析 | 第54-62页 |
| 5.1 实验环境介绍 | 第54-57页 |
| 5.1.1 实验平台搭建 | 第54-55页 |
| 5.1.2 实验场景及数据采集 | 第55-57页 |
| 5.2 实验结果对比和分析 | 第57-62页 |
| 5.2.1 实验介绍及性能评价 | 第57页 |
| 5.2.2 基于深度学习的定位与基于神经网络的定位算法比较 | 第57-59页 |
| 5.2.3 单个神经网络与集成神经网络定位算法比较 | 第59-60页 |
| 5.2.4 不同定位算法的比较 | 第60-62页 |
| 第六章 总结与展望 | 第62-63页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 发表论文和参加科研情况说明 | 第68-69页 |
| 致谢 | 第69-70页 |