| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-19页 |
| 1.1 课题背景 | 第14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 本文的主要研究工作 | 第15-16页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 创新点 | 第16-17页 |
| 1.5 论文结构 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第2章 研究现状与相关技术 | 第19-28页 |
| 2.1 研究现状 | 第19-22页 |
| 2.1.1 室外定位技术研究现状 | 第19页 |
| 2.1.2 室内定位技术研究现状 | 第19-22页 |
| 2.2 相关技术 | 第22-27页 |
| 2.2.1 神经网络 | 第22-24页 |
| 2.2.2 滤波预测 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 复杂环境室内定位方法研究 | 第28-34页 |
| 3.1 蓝牙4.0基站信号的方向性 | 第28-30页 |
| 3.2 物体到达角测量方法 | 第30-31页 |
| 3.2.1 函数拟合测量方法 | 第31页 |
| 3.2.2 神经网络测量方法 | 第31页 |
| 3.3 物体坐标滤波修正方法 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于函数拟合的到达角测量方法 | 第34-48页 |
| 4.1 Apple iBeacon简介 | 第34-35页 |
| 4.2 室外理想环境下的单基站实验 | 第35-40页 |
| 4.2.1 实验思路 | 第35页 |
| 4.2.2 实验过程 | 第35-37页 |
| 4.2.3 数据分析 | 第37-40页 |
| 4.3 室内理想环境下单基站实验 | 第40页 |
| 4.4 室内理想环境下双基站实验 | 第40-42页 |
| 4.4.1 实验思路 | 第40页 |
| 4.4.2 实验过程 | 第40-41页 |
| 4.4.3 数据分析 | 第41-42页 |
| 4.5 室内复杂环境下双基站实验 | 第42-46页 |
| 4.5.1 实验过程 | 第42-44页 |
| 4.5.2 数据分析 | 第44-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第5章 基于神经网络的角度测量方法 | 第48-61页 |
| 5.1 基于Apple iBeacon的双天线蓝牙基站 | 第48-50页 |
| 5.2 室内复杂环境下双天线双基站实验 | 第50-51页 |
| 5.2.1 实验过程 | 第50-51页 |
| 5.2.2 数据分析 | 第51页 |
| 5.3 对实验数据的BP神经网络建模 | 第51-60页 |
| 5.3.1 训练数据集选取 | 第51-52页 |
| 5.3.2 输入输出变量归一化 | 第52-53页 |
| 5.3.3 初值权值选取 | 第53页 |
| 5.3.4 隐层结构和隐层节点个数的确定 | 第53-54页 |
| 5.3.5 训练函数的选择 | 第54页 |
| 5.3.6 BP神经网络训练仿真结果 | 第54-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 基于信号到达角的坐标计算与滤波修正 | 第61-72页 |
| 6.1 基于信号到达角的三角定位 | 第61-62页 |
| 6.2 坐标线性预测算法 | 第62-66页 |
| 6.3 网络权值滤波算法 | 第66-70页 |
| 6.3.1 理论算法过程 | 第66-68页 |
| 6.3.2 算法结果 | 第68-70页 |
| 6.4 本章小结 | 第70-72页 |
| 第7章 基于蓝牙信号到达角的室内定位系统 | 第72-80页 |
| 7.1 系统建设需求及目标 | 第72-73页 |
| 7.2 系统设计方案 | 第73-76页 |
| 7.2.1 技术路线 | 第74-75页 |
| 7.2.2 系统功能模块设计 | 第75-76页 |
| 7.3 系统核心功能模块设计 | 第76-79页 |
| 7.3.1 Android端数据采集模块和位置呈现模块 | 第76-78页 |
| 7.3.2 基于坐标线性预测算法的定位模块 | 第78-79页 |
| 7.4 本章小结 | 第79-80页 |
| 第8章 总结与展望 | 第80-83页 |
| 8.1 总结 | 第80-81页 |
| 8.2 展望 | 第81-83页 |
| 参考文献 | 第83-86页 |
| 攻读硕士学位期间主要的研究成果 | 第86-87页 |
| 致谢 | 第87页 |