| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景 | 第10-11页 |
| 1.2 课题的研究意义 | 第11-12页 |
| 1.3 课题的研究历史和现状 | 第12-13页 |
| 1.3.1 智能终端的应用现状 | 第12页 |
| 1.3.2 室内定位的研究现状 | 第12-13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 1.5 文章组织结构 | 第14-15页 |
| 第2章 基于WIFI的室内定位技术概述 | 第15-24页 |
| 2.1 WIFI无线通讯技术 | 第15-18页 |
| 2.1.1 WIFI的基本概念 | 第15页 |
| 2.1.2 WIFI的组成结构 | 第15-16页 |
| 2.1.3 WIFI信号的室内信道特点及其传播模型 | 第16-18页 |
| 2.2 基于测距的室内无线定位技术 | 第18-20页 |
| 2.3 基于位置指纹算法的室内定位技术 | 第20-23页 |
| 2.3.1 位置指纹算法的基本原理 | 第20-22页 |
| 2.3.2 位置指纹匹配算法 | 第22-23页 |
| 2.4 室内定位技术的比较 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 高斯过程回归在位置指纹库中的应用 | 第24-41页 |
| 3.1 高斯过程回归模型概述 | 第24-31页 |
| 3.1.1 高斯过程介绍 | 第24-25页 |
| 3.1.2 机器学习 | 第25-26页 |
| 3.1.3 高斯过程回归的数学描述 | 第26-27页 |
| 3.1.4 高斯过程回归的算法步骤 | 第27-31页 |
| 3.2 RSSI的高斯过程回归模型 | 第31-35页 |
| 3.2.1 模型的选择 | 第31-32页 |
| 3.2.2 算法的实现 | 第32-35页 |
| 3.3 利用高斯过程回归对RSSI进行指纹预测 | 第35-37页 |
| 3.3.1 实验场地 | 第35页 |
| 3.3.2 待测区RSSI检测 | 第35-37页 |
| 3.4 高斯过程回归模型构建位置指纹库 | 第37-40页 |
| 3.4.1 待测区域的训练样本采集 | 第37-38页 |
| 3.4.2 位置指纹库的构建和结果分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 PDR的基本原理与实现 | 第41-54页 |
| 4.1 PDR的算法原理 | 第41-44页 |
| 4.2 步态分析 | 第44-45页 |
| 4.3 基于波峰检测的计步算法 | 第45-48页 |
| 4.4 PDR技术在智能手机上的实现 | 第48-53页 |
| 4.4.1 智能手机简介 | 第48页 |
| 4.4.2 PDR技术的运用 | 第48-49页 |
| 4.4.3 数据预处理 | 第49-51页 |
| 4.4.4 计步算法的实现 | 第51-52页 |
| 4.4.5 实验结果分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 位置指纹与PDR融合定位 | 第54-63页 |
| 5.1 PDR与位置指纹定位算法的融合 | 第54-59页 |
| 5.1.1 融合策略 | 第54-57页 |
| 5.1.2 融合定位完整流程 | 第57-59页 |
| 5.2 实验结果分析 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |