| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 背景和意义 | 第9-10页 |
| 1.2 研究内容和难点 | 第10-12页 |
| 1.3 本文的贡献 | 第12-13页 |
| 1.4 论文的组织 | 第13-15页 |
| 第二章 相关理论研究 | 第15-23页 |
| 2.1 场景感知相关技术 | 第15-18页 |
| 2.1.1 基于图像处理的室内外场景识别技术 | 第15-16页 |
| 2.1.2 基于GPS的室内外场景识别技术 | 第16-17页 |
| 2.1.3 基于低功耗传感器的室内外场景识别技术 | 第17-18页 |
| 2.2 相关理论基础 | 第18-20页 |
| 2.2.1 贝叶斯概率投票模型 | 第18页 |
| 2.2.2 Adaboost分类器 | 第18-20页 |
| 2.2.3 隐马尔可夫模型 | 第20页 |
| 2.3 本章小结 | 第20-23页 |
| 第三章 基于室内外置信度感知的GPGSV调度算法 | 第23-43页 |
| 3.1 系统框架 | 第23-25页 |
| 3.2 系统定义 | 第25页 |
| 3.3 基于低功耗传感器的室内外检测算法 | 第25-36页 |
| 3.3.1 基于光强变化的室内外场景识别 | 第26-28页 |
| 3.3.2 基于地磁变化的室内外场景识别 | 第28-29页 |
| 3.3.3 基于气压短时快变化的室内外场景识别 | 第29-31页 |
| 3.3.4 基于用户行为的室内外场景识别 | 第31-34页 |
| 3.3.5 基于贝叶斯投票模型融合的室内外场景识别 | 第34-36页 |
| 3.4 基于卫星数量变化的室内外景识识别 | 第36-42页 |
| 3.4.1 GPGSV特征描述 | 第37-38页 |
| 3.4.2 卫星数量特征提取算法 | 第38-39页 |
| 3.4.3 基于置信度的调度算法 | 第39-41页 |
| 3.4.4 检测流程 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于ADABOOST室内外场景识别算法 | 第43-47页 |
| 4.1 特征定义表 | 第43-45页 |
| 4.2 基于手机检测状态的MULTI-ADABOOST分类器 | 第45页 |
| 4.3 本章小结 | 第45-47页 |
| 第五章 基于隐马尔可夫模型的室内外场景检测算法 | 第47-53页 |
| 5.1 状态定义 | 第47-48页 |
| 5.2 概率矩阵 | 第48-51页 |
| 5.3 本章小结 | 第51-53页 |
| 第六章 室内外场景检测系统的性能验证 | 第53-63页 |
| 6.1 系统实验方法 | 第53页 |
| 6.2 测试方案说明 | 第53-55页 |
| 6.3 测试用例说明 | 第55-56页 |
| 6.4 准确率评估 | 第56-58页 |
| 6.5 检测延时 | 第58-60页 |
| 6.6 功耗检测 | 第60-61页 |
| 6.7 本章小结 | 第61-63页 |
| 第七章 结束语 | 第63-65页 |
| 7.1 论文工作总结 | 第63页 |
| 7.2 下阶段研究方向 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文 | 第71页 |