| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 室内定位技术的研究现状 | 第10-19页 |
| 1.2.1 室内定位技术分类 | 第10-14页 |
| 1.2.2 定位测量数据类型和估计方法 | 第14-17页 |
| 1.2.3 基于WLAN的室内定位技术的研究现状 | 第17-19页 |
| 1.3 论文结构 | 第19-21页 |
| 2 基于RSS的WLAN室内定位方法理论基础 | 第21-31页 |
| 2.1 接收信号强度RSS特性分析 | 第21-25页 |
| 2.1.1 接收信号强度RSS与距离的关系 | 第21-22页 |
| 2.1.2 人体对信号强度的影响 | 第22-23页 |
| 2.1.3 RSS的收敛速度 | 第23-24页 |
| 2.1.4 移动终端可感测AP数量的变化 | 第24-25页 |
| 2.2 基于RSS的WLAN室内定位算法分类 | 第25-30页 |
| 2.2.1 传播模型定位法 | 第25-28页 |
| 2.2.2 位置指纹法 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 基于位置指纹的WLAN室内定位关键技术研究 | 第31-45页 |
| 3.1 实验环境的建立 | 第31-32页 |
| 3.2 基于稳定Max Mean AP选择算法 | 第32-36页 |
| 3.2.1 现有AP选择算法总结 | 第32-33页 |
| 3.2.2 稳定Max Mean AP选择算法 | 第33-35页 |
| 3.2.3 实验性能对比 | 第35-36页 |
| 3.3 数据预处理方法 | 第36-38页 |
| 3.3.1 最大值滤波 | 第36页 |
| 3.3.2 均值滤波 | 第36-37页 |
| 3.3.3 中位值滤波法 | 第37页 |
| 3.3.4 各种滤波方法对比 | 第37-38页 |
| 3.4 KNN-SVM混合定位算法研究 | 第38-44页 |
| 3.4.1 K近邻法 | 第38-39页 |
| 3.4.2 支持向量机回归法 | 第39-43页 |
| 3.4.3 KNN -SVM混合位置预测算法 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 IOTLocation室内定位系统的设计与实现 | 第45-58页 |
| 4.1 IOTLocation系统简介 | 第45-46页 |
| 4.2 IOTLocation系统服务器端的设计 | 第46-48页 |
| 4.2.1 数据库模块设计 | 第46-47页 |
| 4.2.2 定位算法模块设计 | 第47-48页 |
| 4.2.3 通信模块设计 | 第48页 |
| 4.3 IOTLocation系统客户端的设计 | 第48-52页 |
| 4.3.1 界面的设计 | 第49-50页 |
| 4.3.2 RSS测量模块的设计 | 第50-51页 |
| 4.3.3 数据库模块的设计 | 第51-52页 |
| 4.4 IOTLocation系统综合性能分析 | 第52-55页 |
| 4.4.1 室内定位系统性能综合评价标准 | 第52-53页 |
| 4.4.2 IOTLocation室内定位系统性能评价 | 第53-55页 |
| 4.5 IOTLocation系统误差影响因素分析 | 第55-56页 |
| 4.5.1 AP数量与定位精度 | 第55页 |
| 4.5.2 指纹数据库采样间隔与定位精度 | 第55-56页 |
| 4.6 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 未来展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录:攻读硕士期间发表的论文 | 第65页 |
