基于Wi-Fi指纹数据深度学习的室内定位系统研发
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 背景及意义 | 第8-9页 |
| 1.2 课题来源 | 第9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.3.1 室内定位国外研究现状 | 第9-10页 |
| 1.3.2 室内定位国内研究现状 | 第10-11页 |
| 1.4 论文主要研究内容 | 第11-12页 |
| 1.5 章节结构 | 第12-14页 |
| 2 Wi-Fi指纹数据深度特征提取方法研究 | 第14-30页 |
| 2.1 深度学习方法概述 | 第14-18页 |
| 2.1.1 深度学习的核心思想 | 第14页 |
| 2.1.2 深度学习的基本方法 | 第14-18页 |
| 2.2 自动编码提取Wi-Fi指纹数据深度特征 | 第18-22页 |
| 2.2.1 Wi-Fi指纹数据深度特征学习流程 | 第19页 |
| 2.2.2 位置指纹数据库的创建 | 第19-22页 |
| 2.3 模型的训练 | 第22-23页 |
| 2.4 实验仿真及分析 | 第23-29页 |
| 2.4.1 实验仿真环境的搭建 | 第23-24页 |
| 2.4.2 实验数据采集及预处理 | 第24-28页 |
| 2.4.3 实验仿真与结果分析 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于Wi-Fi指纹深度特征的定位方法研究 | 第30-43页 |
| 3.1 室内定位方法概述 | 第30-35页 |
| 3.1.1 常用室内定位技术 | 第30-32页 |
| 3.1.2 常用室内定位方法 | 第32-35页 |
| 3.2 基于Wi-Fi指纹数据深度特征的定位方法 | 第35-37页 |
| 3.2.1 改进定位方法的提出 | 第35-36页 |
| 3.2.2 Count-kNN算法的设计思想 | 第36页 |
| 3.2.3 Count-kNN算法的实现 | 第36-37页 |
| 3.3 实验仿真及分析 | 第37-42页 |
| 3.3.1 实验数据 | 第37-38页 |
| 3.3.2 实验仿真与结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 室内Wi-Fi定位系统开发及应用 | 第43-61页 |
| 4.1 系统开发环境 | 第43-46页 |
| 4.1.1 系统硬件 | 第43-45页 |
| 4.1.2 系统软件 | 第45-46页 |
| 4.2 系统评价指标 | 第46页 |
| 4.3 Wi-Fi指纹数据采集系统 | 第46-52页 |
| 4.3.1 数据采集系统的分析与设计 | 第46-47页 |
| 4.3.2 数据采集系统的实现 | 第47-52页 |
| 4.4 室内定位系统开发 | 第52-57页 |
| 4.4.1 室内定位系统整体框架 | 第52页 |
| 4.4.2 室内定位系统开发 | 第52-57页 |
| 4.5 室内定位系统在室内停车场中的应用 | 第57-60页 |
| 4.6 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-62页 |
| 5.1 工作总结 | 第61页 |
| 5.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
| A.作者在攻读学位期间发表的论文目录 | 第66页 |
| B.作者在攻读学位期间取得的科研成果目录 | 第66页 |
