| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 室内定位研究现状 | 第11-17页 |
| 1.2.1 室内定位方法与定位技术 | 第11-15页 |
| 1.2.2 基于智能手机的室内融合定位技术研究现状 | 第15-16页 |
| 1.2.3 楼层判别技术研究现状 | 第16-17页 |
| 1.3 主要工作 | 第17页 |
| 1.4 论文组织结构 | 第17-20页 |
| 第二章 室内定位原理及相关技术 | 第20-32页 |
| 2.1 基于WiFiRSSI的位置指纹定位技术 | 第20-24页 |
| 2.1.1 RSSI位置指纹定位基本原理 | 第20-22页 |
| 2.1.2 RSSI位置指纹定位算法 | 第22-23页 |
| 2.1.3 存在问题 | 第23-24页 |
| 2.2 行人航迹推算 | 第24-29页 |
| 2.2.1 行人航迹推算基本原理 | 第24-25页 |
| 2.2.2 步态分析 | 第25-27页 |
| 2.2.3 步数检测 | 第27页 |
| 2.2.4 步长估计 | 第27-28页 |
| 2.2.5 航向估计 | 第28页 |
| 2.2.6 存在问题 | 第28-29页 |
| 2.3 多楼层室内定位方案 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于位置指纹和惯性传感器的室内三维定位算法 | 第32-48页 |
| 3.1 改进的模糊核聚类与加权K近邻结合的室内定位算法 | 第32-37页 |
| 3.1.1 聚类算法 | 第34页 |
| 3.1.2 改进的模糊核聚类算法 | 第34-37页 |
| 3.1.3 加权K近邻算法 | 第37页 |
| 3.2 行人航迹推算算法 | 第37-41页 |
| 3.2.1 改进峰值检测的步数估计 | 第37-39页 |
| 3.2.2 步长估计 | 第39-40页 |
| 3.2.3 航向角估计 | 第40-41页 |
| 3.3 基于卡尔曼滤波的融合定位算法 | 第41-44页 |
| 3.3.1 卡尔曼滤波理论 | 第41-43页 |
| 3.3.2 基于卡尔曼滤波的融合定位 | 第43-44页 |
| 3.4 楼层判别算法 | 第44-46页 |
| 3.5 基于位置指纹和惯性传感器的室内三维定位方法 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 实验结果测试与分析 | 第48-62页 |
| 4.1 实验环境 | 第48-49页 |
| 4.2 系统设计 | 第49-51页 |
| 4.2.1 Android移动端开发简介 | 第49-51页 |
| 4.2.2 基于Android平台的室内三维定位系统实现 | 第51页 |
| 4.3 数据采集 | 第51-54页 |
| 4.3.1 数据采集优化 | 第51-52页 |
| 4.3.2 优化性能测试 | 第52-54页 |
| 4.4 基于改进聚类和加权K近邻的室内定位算法 | 第54-56页 |
| 4.4.1 聚类数目和初始聚类中心的确定 | 第54-55页 |
| 4.4.2 聚类结果分析 | 第55-56页 |
| 4.4.3 定位时间及误差分析 | 第56页 |
| 4.5 行人航迹推算算法 | 第56-59页 |
| 4.5.1 步数估计实验 | 第57-58页 |
| 4.5.2 航向角估计实验 | 第58页 |
| 4.5.3 行人航迹推算定位实验 | 第58-59页 |
| 4.6 基于WiFi和PDR融合的室内定位算法 | 第59-61页 |
| 4.7 楼层判别算法 | 第61页 |
| 4.8 本章小节 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 研究展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70页 |
