基于位置指纹的WLAN室内定位算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-13页 |
| 1.2.1 位置指纹定位算法研究现状 | 第10-12页 |
| 1.2.2 存在终端差异的室内定位研究现状 | 第12-13页 |
| 1.3 本文主要研究内容和结构 | 第13-15页 |
| 第2章 基于位置指纹的定位算法研究 | 第15-24页 |
| 2.1 位置指纹定位算法过程 | 第15-16页 |
| 2.2 位置指纹定位算法 | 第16-20页 |
| 2.2.1 基于欧氏距离的定位算法 | 第16-17页 |
| 2.2.2 概率法 | 第17-18页 |
| 2.2.3 基于压缩感知的室内定位算法 | 第18-20页 |
| 2.3 终端差异相关分析 | 第20-23页 |
| 2.3.1 线性函数映射法 | 第20-21页 |
| 2.3.2 差值指纹法 | 第21-22页 |
| 2.3.3 BP 神经网络校准法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 存在终端差异下的余弦相似度定位算法研究 | 第24-39页 |
| 3.1 引起终端差异原因概述 | 第24-25页 |
| 3.2 基于余弦相似度的改进 KNN 定位算法 | 第25-28页 |
| 3.2.1 余弦相似度与欧氏距离的比较 | 第25-26页 |
| 3.2.2 余弦相似度解决终端差异定位机理 | 第26-28页 |
| 3.3 实验场景及性能分析 | 第28-37页 |
| 3.3.1 实验环境的建立 | 第28-29页 |
| 3.3.2 不同终端接收 RSS 值的差异分析 | 第29-30页 |
| 3.3.3 改进算法的定位精度分析 | 第30-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于压缩感知的室内定位算法研究 | 第39-56页 |
| 4.1 典型的压缩感知重构算法 | 第39-45页 |
| 4.1.1 正交匹配追踪算法（OMP） | 第40-41页 |
| 4.1.2 子空间追踪算法（SP） | 第41-42页 |
| 4.1.3 平滑 L0 算法（SL0） | 第42-45页 |
| 4.2 改进的 SL0 算法 | 第45-47页 |
| 4.2.1 几种搜索方向算法 | 第45-46页 |
| 4.2.2 基于共轭梯度法的 SL0 算法 | 第46-47页 |
| 4.3 实验场景及性能分析 | 第47-54页 |
| 4.3.1 实验环境的建立 | 第47-48页 |
| 4.3.2 几种重构算法应用于定位的性能分析 | 第48-52页 |
| 4.3.3 改进的 SL0 算法的定位性能分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |
| 攻读硕士学位期间发表的专利 | 第61-63页 |
| 致谢 | 第63页 |
