基于流形学习的位置指纹室内定位方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 室内定位方法 | 第14-16页 |
| 1.2.2 位置指纹定位 | 第16-17页 |
| 1.2.3 流形定位方法 | 第17-18页 |
| 1.2.4 流形学习理论 | 第18-19页 |
| 1.3 研究框架 | 第19-20页 |
| 1.4 本文章节安排 | 第20-21页 |
| 第二章 位置指纹定位原理与方法 | 第21-30页 |
| 2.1 室内位置指纹定位原理 | 第21-24页 |
| 2.1.1 两阶段位置指纹定位过程 | 第21-22页 |
| 2.1.2 两类基本的定位算法思路 | 第22-23页 |
| 2.1.3 位置指纹定位存在的不足 | 第23-24页 |
| 2.2 指纹库在线更新方法设计 | 第24-26页 |
| 2.2.1 总体方案设计 | 第24-25页 |
| 2.2.2 指纹库在线更新过程 | 第25-26页 |
| 2.2.3 动态指纹位置匹配方法 | 第26页 |
| 2.3 基于流形视角的指纹定位 | 第26-28页 |
| 2.3.1 信号与位置的空间关系 | 第26-27页 |
| 2.3.2 空间定位特征的优化选择 | 第27-28页 |
| 2.3.3 定位特征与位置空间的映射关系 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于流形学习的指纹定位方法 | 第30-43页 |
| 3.1 室内无线信号流形特征 | 第30-33页 |
| 3.1.1 接收信号强度分析 | 第30-31页 |
| 3.1.2 基于卡尔曼滤波算法的RSSI预处理 | 第31-33页 |
| 3.2 基于流形学习的位置指纹构建方法 | 第33-39页 |
| 3.2.1 流形学习基本概述 | 第33页 |
| 3.2.2 典型的流形学习方法 | 第33-36页 |
| 3.2.3 基于流形学习的指纹构建 | 第36-38页 |
| 3.2.4 坐标对齐 | 第38-39页 |
| 3.3 指纹库在线更新方法 | 第39-42页 |
| 3.3.1 指纹特征筛选 | 第39-40页 |
| 3.3.2 在线更新方法设计 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于聚类和SVM的指纹匹配方法 | 第43-51页 |
| 4.1 算法整体框架 | 第43页 |
| 4.2 基于聚类的指纹库重组 | 第43-47页 |
| 4.2.1 指纹数据集划分 | 第44页 |
| 4.2.2 K-means聚类的指纹库中的应用 | 第44-46页 |
| 4.2.3 基于聚类结果的数据重组 | 第46-47页 |
| 4.3 基于SVM的在线匹配方法 | 第47-49页 |
| 4.3.1 SVM分类器训练 | 第47-48页 |
| 4.3.2 基于SVM分类器的在线定位 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 定位方法实验验证 | 第51-63页 |
| 5.1 基于低功耗蓝牙的室内定位系统 | 第51-55页 |
| 5.1.1 技术方案 | 第51-52页 |
| 5.1.2 系统硬件 | 第52-53页 |
| 5.1.3 系统软件 | 第53-55页 |
| 5.2 实验环境与数据采集 | 第55-56页 |
| 5.3 实验结果分析 | 第56-62页 |
| 5.3.1 指纹库构建实验 | 第56-59页 |
| 5.3.2 匹配定位算法验证 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 总结及展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文 | 第71-73页 |
| 致谢 | 第73页 |
