基于路径损耗的WiFi室内定位系统
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 本文的主要工作 | 第18页 |
| 1.4 论文内容和结构安排 | 第18-21页 |
| 第二章 WiFi室内定位技术 | 第21-39页 |
| 2.1 基于指纹匹配的WiFi室内定位方法 | 第21-27页 |
| 2.1.1 概率分布法 | 第23-24页 |
| 2.1.2 KNN算法和KWNN | 第24-26页 |
| 2.1.3 基于SVM分类的室内定位方法 | 第26-27页 |
| 2.2 基于路径损耗的WiFi室内定位方法 | 第27-29页 |
| 2.3 传统室内定位方法的不足 | 第29-37页 |
| 2.3.1 WiFi室内定位影响因素 | 第29-37页 |
| 2.3.2 传统定位方法的不足 | 第37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于RBF神经网络的路径损耗模型构建 | 第39-55页 |
| 3.1 路径损耗模型的理论和算法概述 | 第39-42页 |
| 3.1.1 理论描述 | 第39-40页 |
| 3.1.2 算法概述 | 第40-42页 |
| 3.2 传统的路径损耗模型的构建 | 第42-47页 |
| 3.2.1 对数路径损耗模型 | 第42页 |
| 3.2.2 衰减因子损耗模型 | 第42-43页 |
| 3.2.3 MK损耗模型 | 第43-45页 |
| 3.2.4 BP神经网络模型训练 | 第45-47页 |
| 3.3 RBF神经网络构建损耗模型 | 第47-54页 |
| 3.3.1 RBF神经网络结构 | 第47-49页 |
| 3.3.2 RBF神经网络构建 | 第49-52页 |
| 3.3.3 仿真结果比较分析 | 第52-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 结合泰勒级数展开的改进定位算法 | 第55-71页 |
| 4.1 传统定位算法实现定位 | 第55-60页 |
| 4.1.1 三边及三角定位 | 第55-58页 |
| 4.1.2 最小二乘法定位 | 第58-59页 |
| 4.1.3 双曲线定位法 | 第59-60页 |
| 4.2 泰勒级数展开实现定位 | 第60-64页 |
| 4.2.1 泰勒级数展开理论 | 第60-61页 |
| 4.2.2 泰勒级数展开实现室内定位 | 第61-64页 |
| 4.3 泰勒级数展开定位算法的优化 | 第64-68页 |
| 4.4 仿真与性能分析 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 系统的程序设计 | 第71-85页 |
| 5.1 系统体系结构 | 第71-74页 |
| 5.1.1 软件系统开发结构 | 第71-73页 |
| 5.1.2 室内定位系统结构 | 第73-74页 |
| 5.2 系统流程 | 第74-76页 |
| 5.3 系统模块设计 | 第76-77页 |
| 5.4 系统结果展示 | 第77-83页 |
| 5.4.1 实时定位 | 第78-79页 |
| 5.4.2 定位与模拟导航 | 第79-83页 |
| 5.5 本章小结 | 第83-85页 |
| 第六章 总结展望 | 第85-87页 |
| 6.1 文章总结 | 第85-86页 |
| 6.2 研究展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-93页 |
| 作者简介 | 第93-94页 |
