基于智能手机的多传感器结合室内定位
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 国内外对室内定位技术的研究现状 | 第10-12页 |
| 1.3.2 现有技术存在的问题 | 第12页 |
| 1.4 本文主要工作及组织结构 | 第12-14页 |
| 第二章 相关背景知识介绍 | 第14-25页 |
| 2.1 基于地磁场与WiFi定位技术中的模型 | 第14-16页 |
| 2.1.1 基本传感器简介 | 第14页 |
| 2.1.2 WiFi信号模型 | 第14-15页 |
| 2.1.3 地磁场信号模型 | 第15-16页 |
| 2.2 粒子滤波算法基础 | 第16-24页 |
| 2.2.1 动态系统的状态空间模型 | 第17-18页 |
| 2.2.2 贝叶斯滤波原理 | 第18-20页 |
| 2.2.3 蒙特卡罗方法 | 第20-21页 |
| 2.2.4 贝叶斯重要性采样和序贯重要性采样 | 第21-24页 |
| 2.2.5 粒子滤波数据分析方法 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 传感器及影响因素分析 | 第25-31页 |
| 3.1 智能手机传感器特性 | 第25-28页 |
| 3.1.1 地磁传感器特性 | 第26-27页 |
| 3.1.2 WiFi传感器特性 | 第27-28页 |
| 3.2 定位信号的影响因素 | 第28-30页 |
| 3.2.1 地磁信号 | 第28-29页 |
| 3.2.2 WiFi信号 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 粒子滤波的运动预测改进算法 | 第31-40页 |
| 4.1 引言 | 第31页 |
| 4.2 粒子滤波基本原理 | 第31-36页 |
| 4.2.1 重要性采样过程 | 第31-32页 |
| 4.2.2 重采样过程 | 第32-34页 |
| 4.2.3 粒子滤波算法通用流程 | 第34-35页 |
| 4.2.4 粒子滤波基本算法缺点分析 | 第35-36页 |
| 4.3 运动预测模型 | 第36页 |
| 4.4 重要性采样计算改进 | 第36-38页 |
| 4.5 改进后的粒子滤波算法流程 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第五章 实验验证与结果分析 | 第40-46页 |
| 5.1 定位系统设计 | 第40页 |
| 5.2 实验准备 | 第40-42页 |
| 5.3 实验结果对比 | 第42-45页 |
| 5.3.1 不同定位信号实验对比 | 第42-44页 |
| 5.3.2 不同粒子滤波算法实验对比 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第50-51页 |
| 致谢 | 第51页 |
