| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 主流室内定位技术手段 | 第10-12页 |
| 1.2.2 无线室内定位技术的发展状况 | 第12-13页 |
| 1.3 研究内容与论文安排 | 第13-15页 |
| 第二章 室内定位技术研究 | 第15-27页 |
| 2.1 室内定位机制 | 第15-21页 |
| 2.1.1 三角测量技术 | 第16-18页 |
| 2.1.2 RSSI测量技术 | 第18-21页 |
| 2.2 信道模型 | 第21-24页 |
| 2.2.1 经验模型 | 第21-22页 |
| 2.2.2 常用室内信道模型 | 第22-24页 |
| 2.3 定位性能评价 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于指纹识别的WiFi定位算法 | 第27-44页 |
| 3.1 指纹库建立方法 | 第28-39页 |
| 3.1.1 RSSI信号强度分布规律 | 第28-30页 |
| 3.1.2 接入点选择算法 | 第30-34页 |
| 3.1.3 指纹库去噪滤波算法 | 第34-37页 |
| 3.1.4 指纹聚类算法 | 第37-39页 |
| 3.2 在线定位匹配算法 | 第39-43页 |
| 3.2.1 KNN算法 | 第39-40页 |
| 3.2.2 NN算法 | 第40页 |
| 3.2.3 WKNN算法 | 第40-41页 |
| 3.2.4 定位算法的比较 | 第41-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 一种基于自适应聚类的EM隶属度向量匹配算法 | 第44-58页 |
| 4.1 自适应聚类算法 | 第44-48页 |
| 4.1.1 无线信号预处理 | 第44-46页 |
| 4.1.2 自适应聚类中心选择算法 | 第46-47页 |
| 4.1.3 指纹库的初始聚类 | 第47-48页 |
| 4.2 EM隶属度向量匹配算法 | 第48-54页 |
| 4.2.1 EM算法 | 第48-49页 |
| 4.2.2 基于EM算法的隶属度计算 | 第49-52页 |
| 4.2.3 指纹库优化过程 | 第52页 |
| 4.2.4 基于隶属度向量的定位匹配方法 | 第52-54页 |
| 4.3 基于自适应聚类的EM隶属度向量匹配定位方法实验验证 | 第54-57页 |
| 4.3.1 仿真环境与参数 | 第54-55页 |
| 4.3.2 实验流程与结果分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于RSSI的无线室内定位系统的设计与实现 | 第58-83页 |
| 5.1 系统框架与定位流程 | 第59-61页 |
| 5.1.1 系统框架 | 第59-60页 |
| 5.1.2 定位流程 | 第60-61页 |
| 5.2 移动端设计 | 第61-70页 |
| 5.2.1 离线建库客户端 | 第61-67页 |
| 5.2.2 在线匹配客户端 | 第67-70页 |
| 5.3 服务器端设计 | 第70-78页 |
| 5.3.1 PHP服务器 | 第71-77页 |
| 5.3.2 数据库的设计 | 第77-78页 |
| 5.4 系统性能分析 | 第78-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 参考文献 | 第85-88页 |
| 附录1 攻读硕士学位期间申请的专利 | 第88-89页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第89-90页 |
| 致谢 | 第90页 |
