基于深度学习的室内定位算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-31页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 无线定位技术的现状和发展趋势 | 第11-12页 |
| 1.3 室内定位技术的研究现状和主要技术 | 第12-29页 |
| 1.3.1 室内定位的主要机制 | 第12-20页 |
| 1.3.2 常见的室内定位系统 | 第20-27页 |
| 1.3.3 室内定位技术的性能评估标准 | 第27-28页 |
| 1.3.4 指纹定位算法的研究现状和面临的挑战 | 第28-29页 |
| 1.4 本文的结构安排 | 第29-31页 |
| 第二章 基于弹跳射线的室内信道建模算法 | 第31-46页 |
| 2.1 室内信道的特性和建模方法 | 第31-36页 |
| 2.1.1 室内信道的特性 | 第31-32页 |
| 2.1.2 室内信道的常见模型 | 第32-36页 |
| 2.2 基于弹跳射线的室内信道建模算法 | 第36-41页 |
| 2.2.1 射线生成 | 第37-39页 |
| 2.2.2 射线跟踪 | 第39-41页 |
| 2.2.3 射线接收 | 第41页 |
| 2.3 仿真建模结果分析 | 第41-44页 |
| 2.4 本章小结 | 第44-46页 |
| 第三章 基于降噪深度信念网络的指纹定位算法 | 第46-63页 |
| 3.1 指纹定位法 | 第46-51页 |
| 3.1.1 指纹数据 | 第46-47页 |
| 3.1.2 指纹数据集 | 第47-49页 |
| 3.1.3 指纹匹配方法 | 第49-51页 |
| 3.2 基于降噪深度信念网络的指纹定位算法 | 第51-57页 |
| 3.2.1 指纹数据集的建立 | 第51-54页 |
| 3.2.2 基于深度信念网络的回归模型 | 第54-57页 |
| 3.3 仿真结果和分析 | 第57-61页 |
| 3.3.1 参数设置 | 第57-58页 |
| 3.3.2 结果与分析 | 第58-61页 |
| 3.4 本章小结 | 第61-63页 |
| 第四章 基于降噪深度信念网络的分布式定位 | 第63-68页 |
| 4.1 算法思路 | 第63-64页 |
| 4.2 算法特点 | 第64页 |
| 4.3 仿真结果与分析 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 全文总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68-69页 |
| 5.2 工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间取得的成果 | 第74-75页 |
