基于电力线的室内定位方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-15页 |
| ·电力线技术的发展 | 第12-14页 |
| ·本文主要工作 | 第14页 |
| ·本论文的结构安排 | 第14-15页 |
| 第二章 基于电力线室内定位的工作原理 | 第15-23页 |
| ·基于电力线室内定位系统的总体框架 | 第15-17页 |
| ·基于电力线室内定位的工作原理 | 第17-22页 |
| ·总结 | 第22-23页 |
| 第三章 室内信道衰减模型 | 第23-28页 |
| ·自由空间传播模型 | 第23-24页 |
| ·损耗模型分析 | 第24-27页 |
| ·总结 | 第27-28页 |
| 第四章 基于指纹定位算法对数据的处理 | 第28-39页 |
| ·指纹库算法 | 第28-29页 |
| ·位置指纹定位的两个阶段 | 第28页 |
| ·位置指纹定位的特点 | 第28-29页 |
| ·网格的大小 | 第29页 |
| ·数据库的生成 | 第29页 |
| ·空间相关性分析 | 第29-33页 |
| ·误差分析 | 第33-34页 |
| ·K-近邻法在室内定位中的应用及仿真 | 第34-38页 |
| ·最近邻法 | 第34-35页 |
| ·最近邻法简介 | 第34-35页 |
| ·最近邻法决策规则 | 第35页 |
| ·最近邻法错误率 | 第35页 |
| ·K-近邻法 | 第35-37页 |
| ·K-近邻法简介 | 第35-36页 |
| ·K-近邻法决策规则 | 第36页 |
| ·K-近邻法错误率分析 | 第36-37页 |
| ·基于 K-近邻算法室内定位仿真 | 第37-38页 |
| ·K-近邻的算法流程 | 第37-38页 |
| ·K-近邻算法定位仿真与结果分析 | 第38页 |
| ·总结 | 第38-39页 |
| 第五章 人工神经网络中各算法的应用及仿真 | 第39-58页 |
| ·BP 神经网络的算法流程 | 第39-40页 |
| ·BP 算法仿真结果分析 | 第40-42页 |
| ·结果显示 | 第42页 |
| ·RBF 神经网络算法 | 第42-45页 |
| ·RBF 神经网络基本原理 | 第42-43页 |
| ·RBF 神经网络的网络结构 | 第43-44页 |
| ·RBF 模型在基于电力线的室内定位中的应用 | 第44-45页 |
| ·RBF 模型算法流程图 | 第44页 |
| ·RBF 模型算法流程图 | 第44-45页 |
| ·CPN 神经网络算法 | 第45-51页 |
| ·输入层 | 第46-47页 |
| ·Kohonen 层 | 第47-48页 |
| ·Grossberg 层 | 第48页 |
| ·CPN 的训练和测试 | 第48-50页 |
| ·CPN 算法的仿真结果分析 | 第50-51页 |
| ·概率神经网络 | 第51-57页 |
| ·概率神经网络结构 | 第53页 |
| ·PNN 网络训练 | 第53-54页 |
| ·PNN 工作原理 | 第54-56页 |
| ·PNN 网络仿真结果分析 | 第56-57页 |
| ·总结 | 第57-58页 |
| 第六章 基于支持向量机的定位算法及仿真 | 第58-66页 |
| ·SVM 的推论过程 | 第58-60页 |
| ·常用的核函数 | 第60-61页 |
| ·SVM 在基于电力线的室内定位中的应用 | 第61-64页 |
| ·SVM 的算法流程 | 第61-62页 |
| ·SVM 仿真结果分析 | 第62-64页 |
| ·LSSVM 仿真结果分析 | 第62-63页 |
| ·基于不同核函数的 SVM 仿真结果分析 | 第63-64页 |
| ·总结 | 第64-66页 |
| 第七章 结论 | 第66-69页 |
| ·论文工作总结 | 第66-67页 |
| ·今后研究工作展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻硕期间取得的研究成果 | 第73-74页 |
