| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究目的及意义 | 第11-12页 |
| 1.2 研究现状及背景 | 第12-14页 |
| 1.3 本文主要工作及内容安排 | 第14-15页 |
| 第二章 经典室内定位算法及系统介绍 | 第15-33页 |
| 2.1 室内定位性能指标 | 第15-16页 |
| 2.2 室内定位算法 | 第16-29页 |
| 2.2.1 常用室内定位算法 | 第16-21页 |
| 2.2.2 参数化估计方法 | 第21-26页 |
| 2.2.3 非参数化估计方法 | 第26-28页 |
| 2.2.4 相关技术比较 | 第28-29页 |
| 2.3 室内定位系统 | 第29-32页 |
| 2.3.1 RFID | 第29页 |
| 2.3.2 Cellular-Based | 第29-30页 |
| 2.3.3 UWB | 第30-31页 |
| 2.3.4 WLAN（IEEE 802.11） | 第31页 |
| 2.3.5 Bluetooth（IEEE 802.15） | 第31-32页 |
| 2.3.6 相关系统比较 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 室内空间谱指纹 | 第33-42页 |
| 3.1 近场源阵列模型 | 第33-35页 |
| 3.2 空间谱指纹介绍 | 第35-38页 |
| 3.2.1 PCA指纹 | 第35-36页 |
| 3.2.2 协方差指纹 | 第36-37页 |
| 3.2.3 四阶累积量指纹 | 第37页 |
| 3.2.4 指纹性能分析 | 第37-38页 |
| 3.2.5 指纹匹配流程 | 第38页 |
| 3.3 实验仿真 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于空间谱群指纹的融合定位算法 | 第42-63页 |
| 4.1 指纹聚类方法 | 第42-45页 |
| 4.1.1 基于K-means算法的位置指纹聚类 | 第43-44页 |
| 4.1.2 实验仿真 | 第44-45页 |
| 4.2 基于BP神经网络和DS理论的指纹定位算法 | 第45-56页 |
| 4.2.1 神经网络介绍 | 第45-49页 |
| 4.2.2 DS理论 | 第49-51页 |
| 4.2.3 BP_DS指纹定位方法 | 第51-54页 |
| 4.2.4 实验仿真 | 第54-56页 |
| 4.3 基于集成学习的BP_DS指纹定位方法 | 第56-62页 |
| 4.3.1 集成学习原理 | 第56-59页 |
| 4.3.2 BP_MEL_DS指纹定位方法 | 第59-60页 |
| 4.3.3 实验仿真 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 实时定位系统介绍及群指纹融合定位算法验证 | 第63-80页 |
| 5.1 GNURadio软件 | 第63-66页 |
| 5.2 USRP开发平台简介 | 第66-72页 |
| 5.2.1 USRP母板 | 第66-67页 |
| 5.2.2 AD/DA转换器 | 第67页 |
| 5.2.3 FPGA | 第67-69页 |
| 5.2.4 子板接 | 第69-71页 |
| 5.2.5 多USRP配置 | 第71-72页 |
| 5.3 实验准备 | 第72-74页 |
| 5.3.1 实验环境 | 第72-73页 |
| 5.3.2 硬件设备 | 第73-74页 |
| 5.3.3 软件配置 | 第74页 |
| 5.4 实验数据采集 | 第74-76页 |
| 5.5 算法效果验证 | 第76-79页 |
| 5.5.1 RSS指纹聚类分析 | 第76-77页 |
| 5.5.2 融合算法稳健性分析 | 第77-78页 |
| 5.5.3 实测数据分析 | 第78-79页 |
| 5.6 本章小结 | 第79-80页 |
| 第六章 全文总结与展望 | 第80-82页 |
| 6.1 本文工作总结 | 第80页 |
| 6.2 下一步工作的展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间取得的成果 | 第88-89页 |