| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要研究工作 | 第10-11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第二章 行为识别和室内定位相关技术概述 | 第13-20页 |
| 2.1 行为识别相关技术 | 第13-15页 |
| 2.1.1 基于决策树的行为识别技术 | 第13页 |
| 2.1.2 朴素贝叶斯的行为识别技术 | 第13-14页 |
| 2.1.3 基于人工神经网络的行为识别技术 | 第14-15页 |
| 2.2 室内定位相关技术 | 第15-18页 |
| 2.2.1 基于Wi Fi指纹定位技术 | 第15-16页 |
| 2.2.2 基于超宽带的室内定位技术 | 第16页 |
| 2.2.3 基于RFID的室内定位技术 | 第16-17页 |
| 2.2.4 基于行人航迹推算的室内定位技术 | 第17-18页 |
| 2.3 室内定位技术中存在的问题及拟采取的措施 | 第18页 |
| 2.4 本章小结 | 第18-20页 |
| 第三章 基于CNN活动识别辅助PDR定位的关键技术研究 | 第20-30页 |
| 3.1 传统Wi Fi-PDR定位误差分析 | 第20-21页 |
| 3.2 巴特沃斯滤波器 | 第21-23页 |
| 3.3 CNN活动识别 | 第23-26页 |
| 3.3.1 CNN工作原理 | 第24-25页 |
| 3.3.2 基于CNN活动识别 | 第25-26页 |
| 3.4 启动CNN活动识别算法 | 第26-28页 |
| 3.5 CNN活动识别辅助PDR定位算法 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 设计与实现 | 第30-37页 |
| 4.1 定位系统的开发平台 | 第30-31页 |
| 4.1.1 Android开发平台介绍 | 第30页 |
| 4.1.2 Eclipse开发平台 | 第30页 |
| 4.1.3 硬件设备 | 第30-31页 |
| 4.2 系统整体架构 | 第31-32页 |
| 4.3 系统设计 | 第32-36页 |
| 4.3.1 移动终端设计 | 第32-33页 |
| 4.3.2 服务器端设计 | 第33-36页 |
| 4.4 本章小节 | 第36-37页 |
| 第五章 实验及数据分析 | 第37-44页 |
| 5.1 系统部署方案 | 第37-41页 |
| 5.1.1 实验环境 | 第37页 |
| 5.1.2滤波器实验 | 第37-39页 |
| 5.1.3 CNN活动识别实验流程 | 第39-40页 |
| 5.1.4 基于CNN活动识别辅助PDR定位 | 第40-41页 |
| 5.2 定位系统测试与数据分析 | 第41-43页 |
| 5.3 本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| 6.1 工作总结 | 第44页 |
| 6.2 研究展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 在读期间公开发表论文(著)及科研情况 | 第50页 |