| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 符号对照表 | 第13-14页 |
| 第一章 绪论 | 第14-41页 |
| 1.1 研究背景和意义 | 第14-17页 |
| 1.2 研究现状及主要问题 | 第17-21页 |
| 1.2.1 研究现状 | 第17-20页 |
| 1.2.2 主要问题 | 第20-21页 |
| 1.3 基于信号指纹的被动定位框架 | 第21-23页 |
| 1.4 研究内容及关键挑战 | 第23-27页 |
| 1.4.1 基于稀疏信号的被动指纹定位研究 | 第24-25页 |
| 1.4.2 差异化设备的指纹提取及定位研究 | 第25-26页 |
| 1.4.3 资源受限条件下高精度定位方法研究 | 第26页 |
| 1.4.4 考虑室外复杂环境因素的指纹定位研究 | 第26-27页 |
| 1.5 本文创新 | 第27-28页 |
| 1.6 论文章节安排 | 第28-29页 |
| 1.7 参考文献 | 第29-41页 |
| 第二章 基于稀疏信号的被动指纹定位 | 第41-68页 |
| 2.1 引言 | 第41-43页 |
| 2.2 被动定位中的信号指纹特征 | 第43-46页 |
| 2.3 面向稀疏信号的被动指纹定位方法 | 第46-55页 |
| 2.3.1 系统模型 | 第46-48页 |
| 2.3.2 基于维纳过程的稀疏信号指纹构建方法 | 第48-51页 |
| 2.3.3 基于目标速度的HMM定位方法 | 第51-53页 |
| 2.3.4 KV-HMM算法设计 | 第53-55页 |
| 2.4 KV-HMM算法实验结果及分析 | 第55-64页 |
| 2.4.1 室内实验场景 | 第55-56页 |
| 2.4.2 数据特征分析 | 第56-58页 |
| 2.4.3 基于稀疏上行信号的定位算法性能对比 | 第58-60页 |
| 2.4.4 样本数量对定位性能的影响 | 第60-62页 |
| 2.4.5 移动速度及观测序列长度对定位精度的影响 | 第62-64页 |
| 2.5 本章小结 | 第64-65页 |
| 2.6 参考文献 | 第65-68页 |
| 第三章 差异化终端的被动定位研究 | 第68-98页 |
| 3.1 引言 | 第68-70页 |
| 3.2 被动定位中的终端差异性问题分析 | 第70-74页 |
| 3.2.1 终端差异性对指纹定位的挑战 | 第70-71页 |
| 3.2.2 SSD特征分布和非独立性问题 | 第71-74页 |
| 3.3 基于局部费歇尔判别分析的动态压缩核密度估计方法 | 第74-82页 |
| 3.3.1 SSD降维及指纹特征提取方法 | 第74-77页 |
| 3.3.2 基于动态压缩的联合多维核密度估计方法 | 第77-81页 |
| 3.3.3 基于LFDA的动态压缩核密度估计（LC-KDE)算法 | 第81-82页 |
| 3.4 基于实测数据的算法性能分析 | 第82-94页 |
| 3.4.1 测试环境 | 第82-84页 |
| 3.4.2 实验数据分析 | 第84-86页 |
| 3.4.3 设备终端对定位性能的影响及相关算法性能分析 | 第86-88页 |
| 3.4.4 与常见降维及多维核密度估计方法的性能比较 | 第88-92页 |
| 3.4.5 降维目标与误差性能分析 | 第92-94页 |
| 3.5 本章小结 | 第94-95页 |
| 3.6 参考文献 | 第95-98页 |
| 第四章 基于单站的高精度定位方法研究 | 第98-125页 |
| 4.1 引言 | 第98-100页 |
| 4.2 信道状态信息特征图构建方法 | 第100-104页 |
| 4.2.1 信道状态信息矩阵及应用挑战 | 第101-102页 |
| 4.2.2 CSI时频二维特征图 | 第102-104页 |
| 4.3 基于卷积神经网络的单站定位方法研究 | 第104-113页 |
| 4.3.1 系统模型 | 第105-106页 |
| 4.3.2 面向定位的卷积神经网络设计 | 第106-113页 |
| 4.4 实验设置及结果分析 | 第113-121页 |
| 4.4.1 实验环境简介 | 第113-114页 |
| 4.4.2 模型参数对定位性能影响分析 | 第114-117页 |
| 4.4.3 基于CNN方法的定位性能分析 | 第117-121页 |
| 4.5 本章小结 | 第121页 |
| 4.6 参考文献 | 第121-125页 |
| 第五章 考虑室外复杂环境因素的指纹定位研究 | 第125-148页 |
| 5.1 引言 | 第125-127页 |
| 5.2 室外信号特征分析及指纹矩阵构建 | 第127-132页 |
| 5.2.1 RSS及CSI分布特征 | 第127-130页 |
| 5.2.2 室外多维信号指纹特征构建及预处理 | 第130-132页 |
| 5.3 基于M-LSTM神经网络的室外定位方法研究 | 第132-138页 |
| 5.3.1 系统模型 | 第132-133页 |
| 5.3.2 基于LFDA的M-LSTM网络设计 | 第133-138页 |
| 5.4 实验结果及分析 | 第138-144页 |
| 5.4.1 实验设置 | 第138-140页 |
| 5.4.2 M-LSTM网络中代价函数的参数分析 | 第140-141页 |
| 5.4.3 与传统室外定位方法性能对比 | 第141-144页 |
| 5.5 本章小结 | 第144-145页 |
| 5.6 参考文献 | 第145-148页 |
| 第六章 总结与展望 | 第148-150页 |
| 6.1 论文总结 | 第148-149页 |
| 6.2. 研究展望 | 第149-150页 |
| 缩略语 | 第150-152页 |
| 致谢 | 第152-153页 |
| 攻读博士期间发表的论文及申请的专利 | 第153-154页 |
