| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.4 论文目录安排 | 第16-18页 |
| 第二章 基于WIFI的室内定位技术 | 第18-31页 |
| 2.1 WiFi相关技术介绍 | 第18-21页 |
| 2.1.1 概述 | 第18页 |
| 2.1.2 基本结构 | 第18-19页 |
| 2.1.3 信号传播模型 | 第19-21页 |
| 2.2 基于位置指纹的WiFi室内定位方法 | 第21-26页 |
| 2.2.1 位置指纹定位基本原理 | 第21页 |
| 2.2.2 位置指纹定位算法 | 第21-26页 |
| 2.3 指纹重构技术 | 第26-29页 |
| 2.4 定位性能评价标准 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于机器学习的室内定位算法 | 第31-49页 |
| 3.1 卷积神经网络的原理 | 第32-34页 |
| 3.2 基于卷积神经网络的定位算法 | 第34-40页 |
| 3.2.1 算法描述 | 第34-35页 |
| 3.2.2 CNN网络结构与训练过程 | 第35-38页 |
| 3.2.3 基于CNN的定位算法实现与分析 | 第38-40页 |
| 3.3 基于随机森林的定位误差修正算法 | 第40-48页 |
| 3.3.1 算法描述 | 第41-42页 |
| 3.3.2 随机森林回归模型构建 | 第42-43页 |
| 3.3.3 基于随机森林误差修正算法过程 | 第43-45页 |
| 3.3.4 基于随机森林误差修正的仿真实现与分析 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 离线指纹库重建技术 | 第49-63页 |
| 4.1 贝叶斯压缩感知理论 | 第50-53页 |
| 4.2 基于相似性的贝叶斯压缩感知RSSI重建算法 | 第53-59页 |
| 4.2.1 指纹库重建模型 | 第53-54页 |
| 4.2.2 感知矩阵构建 | 第54-56页 |
| 4.2.3 贝叶斯压缩感知重建算法 | 第56-59页 |
| 4.3 重建算法的仿真实现与分析 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 实验验证与分析 | 第63-73页 |
| 5.1 实验平台与实验设置 | 第64-66页 |
| 5.1.1 RSSI采集平台 | 第64-65页 |
| 5.1.2 实验环境 | 第65-66页 |
| 5.2 实验结果与分析 | 第66-72页 |
| 5.2.1 RSSI预处理 | 第66-67页 |
| 5.2.2 指纹定位算法验证与分析 | 第67-70页 |
| 5.2.3 离线指纹库重建与更新技术的验证与分析 | 第70-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第六章 工作总结与展望 | 第73-76页 |
| 6.1 工作总结 | 第73-74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |