基于手机传感器的行人室内位置跟踪及运动模式识别技术研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 本文研究的主要问题 | 第10页 |
| 1.3 主要技术路线简述 | 第10-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 行人运动轨迹的自动描绘 | 第14-35页 |
| 2.1 数据采集 | 第14-18页 |
| 2.1.1 采集的数据类型 | 第14页 |
| 2.1.2 数据采集APP的设计与实现 | 第14-15页 |
| 2.1.3 采集方式 | 第15-16页 |
| 2.1.4 数据保存格式 | 第16-18页 |
| 2.2 确定每步起止时间 | 第18-20页 |
| 2.3 基于陀螺仪的行进角度推算 | 第20-26页 |
| 2.3.1 陀螺仪工作原理 | 第20-21页 |
| 2.3.2 陀螺仪单轴上的旋转角度获取 | 第21-22页 |
| 2.3.3 手机姿态定义 | 第22-23页 |
| 2.3.4 四元数法手机姿态解算 | 第23-26页 |
| 2.3.5 使用手机姿态推算行进方向 | 第26页 |
| 2.4 仅使用惯性元件的粗糙定位 | 第26-28页 |
| 2.5 构建WiFi地标 | 第28-30页 |
| 2.5.1 WiFi地标的定义 | 第28-30页 |
| 2.5.2 WiFi峰值检测 | 第30页 |
| 2.6 同步轨迹图建立与定位 | 第30-35页 |
| 2.6.1 运动状态初始化 | 第31页 |
| 2.6.2 状态转移 | 第31页 |
| 2.6.3 粒子权重更新 | 第31-32页 |
| 2.6.4 重采样 | 第32-33页 |
| 2.6.5 更新系统状态 | 第33页 |
| 2.6.6 实验结论 | 第33-35页 |
| 第三章 基于WiFi的快速定位 | 第35-57页 |
| 3.1 楼层自动区分 | 第35-45页 |
| 3.1.1 问题分析与方法选择 | 第35页 |
| 3.1.2 构造训练样本 | 第35-38页 |
| 3.1.3 模型训练 | 第38-43页 |
| 3.1.4 楼层预测 | 第43-45页 |
| 3.2 楼层内的WiFi定位 | 第45-57页 |
| 3.2.1 分类特征与区块划分 | 第45-46页 |
| 3.2.2 问题分析与方法选择 | 第46页 |
| 3.2.3 构造训练样本 | 第46-48页 |
| 3.2.4 模型训练 | 第48-54页 |
| 3.2.5 位置预测 | 第54-57页 |
| 第四章 静止、行走和跑步三种运动模式的自动识别 | 第57-72页 |
| 4.1 数据采集 | 第57-58页 |
| 4.2 运动模式特征提取 | 第58-61页 |
| 4.3 构造样本集 | 第61-63页 |
| 4.4 训练模型 | 第63-69页 |
| 4.5 模型预测与结论 | 第69-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 5.1 结论 | 第72-73页 |
| 5.2 未来展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 在读期间公开发表的论文 | 第77-78页 |
| 致谢 | 第78页 |
