| 论文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 室内定位问题的研究背景和意义 | 第12-13页 |
| 1.2 位置指纹算法研究现状 | 第13-15页 |
| 1.3 论文的主要研究工作和组织结构 | 第15-17页 |
| 第二章 Wi-Fi位置指纹室内定位与手机传感器定位综述 | 第17-34页 |
| 2.1 Wi-Fi技术简介 | 第17-20页 |
| 2.1.1 Wi-Fi网络的拓扑结构 | 第17-20页 |
| 2.1.2 Wi-Fi通信技术 | 第20页 |
| 2.2 基于Wi-Fi的室内定位技术 | 第20-24页 |
| 2.2.1 基于Wi-Fi的室内定位技术分类 | 第20-22页 |
| 2.2.2 位置指纹方法简介 | 第22-23页 |
| 2.2.3 影响室内定位精度的因素 | 第23-24页 |
| 2.3 信号传播模型 | 第24-26页 |
| 2.3.1 对数路径损耗模型 | 第24页 |
| 2.3.2 Keenan-Motley模型 | 第24-25页 |
| 2.3.3 衰减因子模型 | 第25页 |
| 2.3.4 Chan模型 | 第25-26页 |
| 2.4 几种典型的位置指纹定位算法 | 第26-31页 |
| 2.4.1 概率算法 | 第26-27页 |
| 2.4.2 基于RSS距离的近邻选择算法 | 第27-29页 |
| 2.4.3 神经网络算法 | 第29页 |
| 2.4.4 支持向量机(SVM)算法 | 第29-31页 |
| 2.5 基于MEMS的手机传感器定位 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于Wi-Fi的位置指纹在线定位算法 | 第34-44页 |
| 3.1 定位算法的总体框架 | 第34-35页 |
| 3.2 聚类技术 | 第35-38页 |
| 3.2.1 K-Means聚类算法 | 第35-36页 |
| 3.2.2 K-Medoids聚类算法 | 第36-38页 |
| 3.3 数据预处理 | 第38页 |
| 3.4 信号特征提取(Signal Feature Extraction)算法 | 第38-41页 |
| 3.5 改进的WKNN算法 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 位置指纹定位与手机传感器定位融合 | 第44-52页 |
| 4.1 基于手机传感器的PDR算法的实现 | 第44-49页 |
| 4.1.1 加速度计与步数计量 | 第44-48页 |
| 4.1.2 方向传感器与方位角测量 | 第48-49页 |
| 4.1.3 基于手机传感器的PDR算法 | 第49页 |
| 4.2 位置指纹算法与手机传感器定位算法融合 | 第49-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第五章 在线定位系统架构与实验结果分析 | 第52-63页 |
| 5.1 在线定位系统架构 | 第52-53页 |
| 5.2 实验环境介绍 | 第53-54页 |
| 5.3 相关实验及结果分析 | 第54-62页 |
| 5.3.1 改进的位置指纹在线定位与NN,KNN,WKNN的比较 | 第54-58页 |
| 5.3.2 基于手机传感器定位算法的验证与分析 | 第58-59页 |
| 5.3.3 融合定位算法与改进的位置指纹在线定位算法的比较 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与未来的工作 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 未来的工作 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间发表的学术论文 | 第69页 |
