WAVE协议栈下的无线定位研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题背景 | 第11-13页 |
| ·车辆定位技术的发展现状 | 第13-14页 |
| ·选题的目的及意义 | 第14-15页 |
| ·论文的主要内容 | 第15-17页 |
| 第二章 车联网WAVE协议栈的简介 | 第17-28页 |
| ·WAVE协议栈概述 | 第17-19页 |
| ·IEEE 802.11p研究 | 第19-23页 |
| ·IEEE 802.11协议介绍 | 第19-21页 |
| ·IEEE 802.11p新特性 | 第21-23页 |
| ·1609.4/1609.3研究 | 第23-27页 |
| ·IEEE 1609协议栈介绍 | 第23-24页 |
| ·IEEE 1609.4协议 | 第24-26页 |
| ·IEEE 1609.3协议 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 无线定位系统分析 | 第28-42页 |
| ·基于测距的定位技术 | 第28-37页 |
| ·常用测距方法 | 第28-31页 |
| ·基于距离的常用定位算法 | 第31-35页 |
| ·常用无线通信技术分析 | 第35-37页 |
| ·基于非测距的定位技术 | 第37-39页 |
| ·无线传感网络定位算法分析 | 第37-38页 |
| ·无线局域网定位算法分析 | 第38-39页 |
| ·常用定位技术比较分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 基于RSSI的位置指纹定位算法研究 | 第42-56页 |
| ·位置指纹定位基础 | 第42页 |
| ·位置指纹定位原理 | 第42-48页 |
| ·指纹数据库预处理 | 第43-44页 |
| ·最近邻法 | 第44-45页 |
| ·K近邻法 | 第45页 |
| ·K加权近邻法 | 第45-46页 |
| ·贝叶斯概率法 | 第46-47页 |
| ·BP神经网络法 | 第47-48页 |
| ·GMM聚类模型及EM求解算法 | 第48-53页 |
| ·混合高斯模型(GMM) | 第49-52页 |
| ·EM算法介绍 | 第52页 |
| ·GMM的参数估计 | 第52-53页 |
| ·基于GMM的位置指纹定位算法 | 第53-55页 |
| ·离线阶段 | 第53-54页 |
| ·在线阶段 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于WAVE的定位系统原型实现 | 第56-67页 |
| ·系统实现 | 第56-62页 |
| ·程序测试 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 总结与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士期间发表的论文 | 第71-73页 |
| 致谢 | 第73页 |
