基于WiFi的室内定位系统设计及实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 课题背景与研究意义 | 第7-8页 |
| 1.2 国内外现状研究 | 第8-14页 |
| 1.2.1 室内定位技术现状研究 | 第8-9页 |
| 1.2.2 Android系统应用现状 | 第9-11页 |
| 1.2.3 WiFi的发展现状 | 第11-14页 |
| 1.3 主要研究内容及论文结构 | 第14-16页 |
| 第2章 相关技术与算法 | 第16-28页 |
| 2.1 常见的室内定位技术 | 第16-20页 |
| 2.1.1 红外线定位技术 | 第16-17页 |
| 2.1.2 超声波定位技术 | 第17页 |
| 2.1.3 LED灯光定位技术 | 第17-18页 |
| 2.1.4 蓝牙定位技术 | 第18页 |
| 2.1.5 UWB定位技术 | 第18-19页 |
| 2.1.6 ZigBee定位技术 | 第19页 |
| 2.1.7 RFID定位技术 | 第19-20页 |
| 2.1.8 WiFi定位技术 | 第20页 |
| 2.2 几种室内定位算法 | 第20-26页 |
| 2.2.1 基于测距的定位算法 | 第20-25页 |
| 2.2.2 测距无关的定位算法 | 第25-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 基于WiFi的位置指纹定位算法 | 第28-36页 |
| 3.1 指纹数据预处理 | 第28页 |
| 3.2 改进的聚类算法 | 第28-32页 |
| 3.2.1 K均值聚类算法 | 第29-31页 |
| 3.2.2 本课题对K均值聚类算法的改进 | 第31-32页 |
| 3.3 指纹比对算法 | 第32-35页 |
| 3.3.1 KNN算法与余弦相似度算法的比较 | 第33-34页 |
| 3.3.2 余弦相似度算法 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 WiFi室内定位系统的设计与实现 | 第36-44页 |
| 4.1 系统的需求分析 | 第36页 |
| 4.2 系统的设计 | 第36-38页 |
| 4.3 系统的实现 | 第38-43页 |
| 4.3.1 Android客户端的设计 | 第38-41页 |
| 4.3.2 系统实验设计 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 定位实验测试分析 | 第44-48页 |
| 5.1 实验结果 | 第44-45页 |
| 5.2 误差分析 | 第45-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第6章 结论与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |
