| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 本文研究背景 | 第11-12页 |
| 1.2 室内定位技术的实现方法 | 第12-14页 |
| 1.3 基于WLAN定位的国内外研究现状 | 第14-16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 1.5 本文章节安排 | 第17-18页 |
| 2 室内无线定位技术研究 | 第18-29页 |
| 2.1 WLAN室内定位技术分类 | 第18-22页 |
| 2.1.1 基于到达时间TOA(Time of Arrival)算法 | 第18-19页 |
| 2.1.2 基于到达时间差TDOA(Time Difference of Arrival)算法 | 第19-20页 |
| 2.1.3 基于到达角度AOA(Angle of Arrival)算法 | 第20-21页 |
| 2.1.4 基于RSSI(Received Signal Strength Indication)算法 | 第21-22页 |
| 2.2 影响室内定位精度的主要因素 | 第22-23页 |
| 2.3 几种典型的位置指纹定位算法 | 第23-27页 |
| 2.3.1 确定性方法 | 第23-24页 |
| 2.3.2 概率法 | 第24-27页 |
| 2.4 衡量定位系统性能的标准 | 第27-29页 |
| 2.4.1 定位精度 | 第27-28页 |
| 2.4.2 系统的扩展性 | 第28页 |
| 2.4.3 其他性能分析标准 | 第28-29页 |
| 3 引入卡尔曼滤波的信号提取过程 | 第29-36页 |
| 3.1 RSSI值特性分析 | 第29-32页 |
| 3.1.1 人员流动对信号强度值的影响 | 第29-31页 |
| 3.1.2 其他影响信号强度值的因素 | 第31页 |
| 3.1.3 接收信号强度与距离的关系 | 第31-32页 |
| 3.2 WLAN信号提取方法 | 第32-34页 |
| 3.2.1 常用提取方法介绍 | 第32-33页 |
| 3.2.2 卡尔曼滤波算法 | 第33-34页 |
| 3.3 卡尔曼滤波在信号提取中的应用 | 第34-36页 |
| 4 位置指纹定位算法研究及实验 | 第36-43页 |
| 4.1 位置指纹算法简介 | 第36-38页 |
| 4.1.1 位置指纹法的相关概念 | 第36-37页 |
| 4.1.2 位置指纹法定位过程 | 第37-38页 |
| 4.2 定位算法实现过程 | 第38-40页 |
| 4.2.1 KNN算法的优势及流程 | 第38-39页 |
| 4.2.2 算法参数设定 | 第39-40页 |
| 4.3 实验平台搭建 | 第40-42页 |
| 4.4 实验结果及系统性能分析 | 第42-43页 |
| 5 系统功能实现 | 第43-57页 |
| 5.1 安卓APP开发背景研究 | 第43-45页 |
| 5.1.1 Android平台简介 | 第43-45页 |
| 5.1.2 Android平台优势 | 第45页 |
| 5.2 系统需求分析及架构设计 | 第45-46页 |
| 5.2.1 系统需求分析 | 第45页 |
| 5.2.2 系统架构设计 | 第45-46页 |
| 5.3 数据库设计 | 第46-48页 |
| 5.3.1 SQLite数据库简介及优势 | 第46-48页 |
| 5.3.2 离线指纹数据库的建立 | 第48页 |
| 5.4 系统功能的实现 | 第48-52页 |
| 5.4.1 系统各模块功能的实现 | 第48-50页 |
| 5.4.2 消息类型及定位结果 | 第50-52页 |
| 5.5 系统功能界面设计及实现 | 第52-57页 |
| 6 结论 | 第57-58页 |
| 6.1 本文总结 | 第57页 |
| 6.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第61-63页 |
| 学位论文数据集 | 第63页 |
