基于WiFi位置指纹的室内定位算法的研究与优化
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 技术发展趋势及国内外研究现状 | 第13-22页 |
| 1.2.1 室内定位技术 | 第13-14页 |
| 1.2.2 基于测距的室内定位算法 | 第14-18页 |
| 1.2.3 基于非测距的室内定位算法 | 第18-20页 |
| 1.2.4 国内外研究现状 | 第20-22页 |
| 1.3 本文主要研究内容及组织结构 | 第22-24页 |
| 1.3.1 课题来源 | 第22页 |
| 1.3.2 主要研究内容 | 第22页 |
| 1.3.3 文章组织结构 | 第22-24页 |
| 第二章 WIFI位置指纹室内定位技术原理 | 第24-33页 |
| 2.1 WIFI技术概述 | 第24-27页 |
| 2.1.1 WiFi技术的特点 | 第24-25页 |
| 2.1.2 WiFi工作模式 | 第25-27页 |
| 2.2 位置指纹定位算法 | 第27-28页 |
| 2.2.1 基本原理 | 第27页 |
| 2.2.2 系统组成 | 第27-28页 |
| 2.3 典型的位置指纹算法 | 第28-32页 |
| 2.3.1 最近邻算法 | 第28-29页 |
| 2.3.2 K最近邻算法 | 第29-31页 |
| 2.3.3 贝叶斯概率算法 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 离线阶段算法改进 | 第33-48页 |
| 3.1 数据预处理算法 | 第33-35页 |
| 3.1.1 高斯滤波算法 | 第33-34页 |
| 3.1.2 K均值聚类预处理算法 | 第34-35页 |
| 3.2 构建位置指纹库算法改进 | 第35-39页 |
| 3.2.1 重心拉格朗日差值建库算法 | 第36-37页 |
| 3.2.2 压缩传感构建位置指纹库算法 | 第37-39页 |
| 3.3 实验及性能分析 | 第39-47页 |
| 3.3.1 实验环境 | 第39-41页 |
| 3.3.2 数据预处理实验及性能分析 | 第41-43页 |
| 3.3.3 建库实验及性能分析 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 在线定位阶段改进 | 第48-57页 |
| 4.1 加权模糊匹配算法 | 第48-49页 |
| 4.2 卡尔曼滤波算法误差修正算法 | 第49-51页 |
| 4.3 实验及性能分析 | 第51-56页 |
| 4.3.1 实验环境和实验步骤 | 第51-53页 |
| 4.3.2 实验过程和性能分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 全文总结和展望 | 第57-60页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 在攻读硕士期间发表的论文 | 第63-64页 |
| 攻读学位期间参与的科研工作 | 第64-66页 |
| 致谢 | 第66页 |
