| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文组织结构与研究工作 | 第13-16页 |
| 第2章 基于位置指纹的Wi-Fi室内定位方案 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 Wi-Fi信号强度表示法 | 第16-18页 |
| 2.3 无线定位系统及RSSI的应用 | 第18-26页 |
| 2.3.1 源小区定位 | 第19页 |
| 2.3.2 基于距离的定位 | 第19-24页 |
| 2.3.3 基于角度的定位 | 第24-25页 |
| 2.3.4 基于匹配模型的定位 | 第25-26页 |
| 2.4 基于位置指纹的Wi-Fi室内定位方案分析 | 第26-30页 |
| 2.5 小结 | 第30-32页 |
| 第3章 RSSI数据采集统计评估 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 采集方案与场景设计 | 第32-34页 |
| 3.3 数据处理及可视化分析 | 第34-44页 |
| 3.4 小结 | 第44-46页 |
| 第4章 基于双射线追踪的室内RSSI指纹空间模型 | 第46-58页 |
| 4.1 引言 | 第46页 |
| 4.2 无线电波能量传播模型 | 第46-47页 |
| 4.3 基于双射线追踪的室内RSSI指纹空间建模 | 第47-53页 |
| 4.3.1 双射线追踪模型 | 第47-49页 |
| 4.3.2 室内RSSI指纹空间建模 | 第49-53页 |
| 4.4 基于指纹空间模型的Wi-Fi室内定位算法仿真方案 | 第53-56页 |
| 4.4.1 建立RSSI指纹数据库 | 第53-55页 |
| 4.4.2 Wi-Fi室内定位算法仿真方案 | 第55-56页 |
| 4.5 小结 | 第56-58页 |
| 第5章 基于K近邻预测和Kalman滤波的实时位置指纹定位算法 | 第58-84页 |
| 5.1 引言 | 第58页 |
| 5.2 K近邻位置指纹定位方法 | 第58-64页 |
| 5.3 基于K近邻预测和Kalman滤波的实时位置指纹定位算法 | 第64-71页 |
| 5.3.1 Kalman滤波模型 | 第64-67页 |
| 5.3.2 联合K近邻预测和Kalman滤波实现实时位置指纹定位 | 第67-71页 |
| 5.4 算法仿真与分析 | 第71-82页 |
| 5.4.1 仿真环境及参数 | 第71-75页 |
| 5.4.2 定位结果及性能分析 | 第75-82页 |
| 5.5 小结 | 第82-84页 |
| 第6章 全文总结与展望 | 第84-86页 |
| 6.1 全文总结 | 第84-85页 |
| 6.2 展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 作者简介与科研成果 | 第92-94页 |
| 作者简介 | 第92页 |
| 攻读硕士学位期间取得的科研成果 | 第92-94页 |
| 致谢 | 第94页 |
