| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 室内定位技术及研究现状 | 第12-15页 |
| 1.3 本文研究的主要内容 | 第15-17页 |
| 2 WLAN室内定位技术概述 | 第17-30页 |
| 2.1 WLAN技术简介 | 第17-18页 |
| 2.1.1 WLAN工作原理 | 第18页 |
| 2.2 基于WLAN室内定位技术方法 | 第18-24页 |
| 2.2.1 几何法 | 第19-22页 |
| 2.2.2 近似法 | 第22页 |
| 2.2.3 场景分析法 | 第22-24页 |
| 2.3 位置指纹定位技术 | 第24-27页 |
| 2.3.1 位置指纹定位基本工作原理 | 第25-26页 |
| 2.3.2 位置指纹匹配定位方法 | 第26-27页 |
| 2.4 位置指纹经典定位算法介绍 | 第27-30页 |
| 2.4.1 最近邻算法 | 第27-28页 |
| 2.4.2 K最近邻域算法 | 第28页 |
| 2.4.3 加权K最近邻域算法 | 第28-29页 |
| 2.4.4 朴素贝叶斯算法 | 第29-30页 |
| 3 WLAN室内位置指纹定位算法研究 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 基于混合DGD模型的位置指纹 | 第30-35页 |
| 3.2.1 RSS分布特征 | 第31-32页 |
| 3.2.2 混合双峰高斯分布模型 | 第32-34页 |
| 3.2.3 指纹特征提取 | 第34页 |
| 3.2.4 模型分布参数及权值 | 第34-35页 |
| 3.3 K最大指纹相似度定位算法 | 第35-37页 |
| 3.3.1 指纹相似度估计方法 | 第35-36页 |
| 3.3.2 K最大指纹相似度和二次质心加权估计算法 | 第36页 |
| 3.3.3 K最大相似度和二次质心加权估计定位算法实现步骤 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-39页 |
| 4 指纹数据库的构建和更新维护 | 第39-50页 |
| 4.1 指纹数据库的构建 | 第39-40页 |
| 4.2 指纹数据库更新 | 第40-45页 |
| 4.2.1 统计AP变化的算法描述 | 第41-42页 |
| 4.2.2 基于用户反馈更新指纹库的工作原理 | 第42-44页 |
| 4.2.3 聚类检测分析原理 | 第44-45页 |
| 4.3 实验结果对比 | 第45-50页 |
| 4.3.1 反馈数目对定位的影响 | 第45-46页 |
| 4.3.2 稳定无线环境下与固定和人工更新指纹库方法效果对比 | 第46-47页 |
| 4.3.3 变化的无线环境下与固定和人工更新指纹库方法效果对比 | 第47-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间的研究成果 | 第56页 |
