| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 引言 | 第14-23页 |
| 1.1 论文的研究背景和意义 | 第14-15页 |
| 1.2 无线传感器网络概述 | 第15-17页 |
| 1.2.1 无线传感器网络的结构 | 第15-16页 |
| 1.2.2 无线传感器网络的特点 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-20页 |
| 1.3.1 无线传感器网络的研究现状 | 第17-18页 |
| 1.3.2 无线传感器网络定位技术的研究现状 | 第18-20页 |
| 1.4 主要研究内容和章节安排 | 第20-23页 |
| 1.4.1 主要研究内容 | 第20-21页 |
| 1.4.2 章节安排 | 第21-23页 |
| 第2章 基于测距的非视距定位方法研究 | 第23-42页 |
| 2.1 基于无线传感器网络的非视距定位 | 第23-27页 |
| 2.1.1 定位基本概念 | 第23-24页 |
| 2.1.2 非视距误差特点及模型 | 第24-25页 |
| 2.1.3 非视距定位算法分类 | 第25-27页 |
| 2.2 高斯混合模型及其参数估计 | 第27-31页 |
| 2.2.1 高斯混合模型 | 第27-29页 |
| 2.2.2 期望最大算法 | 第29-30页 |
| 2.2.3 高斯混合模型的EM求解 | 第30-31页 |
| 2.3 基于高斯混合模型的NLOS定位研究 | 第31-41页 |
| 2.3.1 测距模型 | 第31-32页 |
| 2.3.2 基于GMM的测量值建模 | 第32-33页 |
| 2.3.3 基于聚类的参数估计 | 第33-35页 |
| 2.3.4 残差加权位置估计 | 第35-37页 |
| 2.3.5 仿真结果与分析 | 第37-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 多维标度测距定位 | 第42-58页 |
| 3.1 多维标度法概述 | 第42-44页 |
| 3.1.1 多维标度技术原理 | 第42-43页 |
| 3.1.2 经典MDS算法介绍 | 第43-44页 |
| 3.2 基于多维标度算法的无线传感器定位研究 | 第44-50页 |
| 3.2.1 基于经典MDS的节点定位 | 第44-46页 |
| 3.2.2 修正多维标度算法 | 第46-47页 |
| 3.2.3 基于子空间的多维标度算法 | 第47-48页 |
| 3.2.4 统一框架下的多维标度算法 | 第48-50页 |
| 3.3 统一框架下的最小残差多维标度算法 | 第50-57页 |
| 3.3.1 最小残差定位理论 | 第50-51页 |
| 3.3.2 粒子群优化算法在最小残差定位中的应用 | 第51-53页 |
| 3.3.3 实验结果与分析 | 第53-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第4章 基于非度量多维标度的非视距定位方法研究 | 第58-72页 |
| 4.1 基于RSSI的非视距削弱算法 | 第58-60页 |
| 4.1.1 RSSI测量模型 | 第58-59页 |
| 4.1.2 RSSI视距测量值估计 | 第59-60页 |
| 4.2 基于非度量多维标度的位置估计 | 第60-63页 |
| 4.2.1 非度量多维标度算法原理 | 第60-61页 |
| 4.2.2 非度量多维标度算法在定位中的应用 | 第61-63页 |
| 4.3 实验及结果分析 | 第63-70页 |
| 4.3.1 仿真结果与分析 | 第63-66页 |
| 4.3.2 实验结果与分析 | 第66-70页 |
| 4.4 本章小结 | 第70-72页 |
| 第5章 无线传感器网络3D室内定位方法研究 | 第72-89页 |
| 5.1 基于测距的多维标度3D定位 | 第72-73页 |
| 5.2 全局坐标估计 | 第73-75页 |
| 5.2.1 全局坐标转换原理 | 第73-74页 |
| 5.2.2 基于Horn算法的全局坐标估计 | 第74-75页 |
| 5.3 全局坐标矫正 | 第75-77页 |
| 5.3.1 数据拟合原理 | 第75-76页 |
| 5.3.2 基于数据拟合的位置矫正 | 第76-77页 |
| 5.4 实验结果与分析 | 第77-88页 |
| 5.4.1 模型参数选取 | 第77-81页 |
| 5.4.2 仿真结果与分析 | 第81-84页 |
| 5.4.3 实验结果与分析 | 第84-88页 |
| 5.5 本章小结 | 第88-89页 |
| 第6章 基于WiFi的室内定位技术研究 | 第89-120页 |
| 6.1 WiFi通信技术简介 | 第89-92页 |
| 6.1.1 WiFi的网络结构 | 第89-91页 |
| 6.1.2 WiFi的工作原理 | 第91页 |
| 6.1.3 WiFi的属性特征 | 第91-92页 |
| 6.2 指纹定位方法原理及分析 | 第92-100页 |
| 6.2.1 指纹定位方法基本流程 | 第92-93页 |
| 6.2.2 指纹定位方法基本原理 | 第93-95页 |
| 6.2.3 典型位置指纹定位方法 | 第95-100页 |
| 6.3 基于ELM的室内定位算法 | 第100-112页 |
| 6.3.1 ELM算法概述 | 第100-105页 |
| 6.3.2 ELM算法在定位中的应用 | 第105-107页 |
| 6.3.3 仿真结果与分析 | 第107-112页 |
| 6.4 基于Kernel-ELM的室内定位系统设计 | 第112-119页 |
| 6.4.1 基于Kemel-ELM的室内定位系统结构 | 第112-113页 |
| 6.4.2 基于Kemel-ELM的室内定位系统定位过程 | 第113-114页 |
| 6.4.3 定位系统测试 | 第114-119页 |
| 6.5 本章小结 | 第119-120页 |
| 第7章 总结与展望 | 第120-122页 |
| 7.1 总结 | 第120-121页 |
| 7.2 展望 | 第121-122页 |
| 参考文献 | 第122-131页 |
| 致谢 | 第131-133页 |
| 攻读博士期间发表的论文和科研情况 | 第133-135页 |
| 作者从事科学研究和学习经历的简历 | 第135页 |
