| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·国内外研究现状分析 | 第7-9页 |
| ·本文研究内容 | 第9-10页 |
| ·论文组织结构 | 第10-11页 |
| 第二章 室内定位技术综述 | 第11-15页 |
| ·红外线室内定位方法 | 第11页 |
| ·基于信号强度（RSS）的定位方法 | 第11-12页 |
| ·基于射频传感网的室内定位方法 | 第12页 |
| ·基于测距的室内定位方法 | 第12页 |
| ·基于 Crowd-Sourcing 的室内定位方法 | 第12-13页 |
| ·基于信号传播损耗的定位技术 | 第13-14页 |
| ·基于磁场强度的定位技术 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第三章 系统的需求分析和总体架构 | 第15-25页 |
| ·系统的设计目标和需求分析 | 第15-17页 |
| ·系统的总体架构 | 第17-19页 |
| ·系统中的关键技术介绍 | 第19-23页 |
| ·基于背景噪音的场景识别 | 第19-21页 |
| ·声纹识别和行为推断 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第四章 系统的详细分析与设计 | 第25-39页 |
| ·数据的收集和预处理 | 第25-27页 |
| ·音频数据的收集和分帧 | 第25-26页 |
| ·音频数据的分帧和加窗 | 第26-27页 |
| ·数据的特征提取 | 第27-31页 |
| ·环境噪音的特征提取 | 第27-29页 |
| ·声纹识别的特征提取 | 第29-31页 |
| ·基于环境感知的识别算法 | 第31-38页 |
| ·场景识别算法—概率神经网络 | 第31-33页 |
| ·声纹识别算法—矢量量化和 SVM | 第33-36页 |
| ·综合分类推断算法 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 系统实现与测试 | 第39-51页 |
| ·系统实现 | 第39-43页 |
| ·系统定位算法流程 | 第39-40页 |
| ·系统开发介绍 | 第40-43页 |
| ·系统测试 | 第43-49页 |
| ·测试环境 | 第43页 |
| ·测试目标 | 第43-44页 |
| ·环境噪音的识别性能 | 第44-45页 |
| ·噪音对声纹识别的影响 | 第45页 |
| ·关键字识别的匹配 | 第45-46页 |
| ·综合定位测试 | 第46-48页 |
| ·能耗测试 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第六章 工作总结与展望 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·局限及对未来的展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 作者在读期间的研究成果 | 第59-60页 |