摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第14-35页 |
1.1 课题来源及研究目的和意义 | 第14-17页 |
1.1.1 课题来源及背景 | 第14-16页 |
1.1.2 课题研究的目的和意义 | 第16-17页 |
1.2 国内外发展及研究现状 | 第17-33页 |
1.2.1 典型的室内定位系统 | 第17-24页 |
1.2.2 典型的WLAN室内定位系统 | 第24-25页 |
1.2.3 WLAN室内定位系统的分类 | 第25-28页 |
1.2.4 本文研究内容的国内外发展现状 | 第28-31页 |
1.2.5 WLAN位置指纹定位存在的问题 | 第31-33页 |
1.3 学位论文主要研究内容 | 第33-35页 |
第2章 WLAN位置指纹定位技术研究 | 第35-50页 |
2.1 引言 | 第35页 |
2.2 WLAN位置指纹定位原理 | 第35-36页 |
2.3 WLAN位置指纹定位分析 | 第36-37页 |
2.4 典型的WLAN位置指纹定位算法 | 第37-43页 |
2.4.1 基于RSS距离的近邻选择法 | 第38-39页 |
2.4.2 人工神经网络法 | 第39-40页 |
2.4.3 支持向量回归法 | 第40-41页 |
2.4.4 自适应神经模糊推理系统法 | 第41-42页 |
2.4.5 概率法 | 第42-43页 |
2.5 典型的滤波算法 | 第43-48页 |
2.5.1 Kalman滤波 | 第44-46页 |
2.5.2 α-β滤波 | 第46-47页 |
2.5.3 粒子滤波 | 第47-48页 |
2.6 WLAN位置指纹定位实验系统 | 第48-49页 |
2.7 本章小结 | 第49-50页 |
第3章 基于矩阵相关的位置指纹定位算法 | 第50-68页 |
3.1 引言 | 第50-51页 |
3.2 参考点RSS数据预处理 | 第51-53页 |
3.3 基于矩阵相关的位置指纹定位算法 | 第53-59页 |
3.3.1 基于矩阵相关的位置指纹定位算法及其快速算法 | 第53-55页 |
3.3.2 基于离线计算的快速矩阵相关位置指纹定位算法 | 第55-57页 |
3.3.3 基于Hausdorff距离和夹角余弦的位置指纹定位算法 | 第57-59页 |
3.4 实验结果与结果分析 | 第59-66页 |
3.4.1 基于相关系数的位置指纹定位算法定位性能分析 | 第59-62页 |
3.4.2 算法计算复杂度对比 | 第62-64页 |
3.4.3 扩展位置指纹图对近邻选择位置指纹定位性能的影响 | 第64-66页 |
3.5 本章小结 | 第66-68页 |
第4章 基于地图匹配的卡尔曼滤波室内定位算法 | 第68-86页 |
4.1 引言 | 第68-69页 |
4.2 室内地图匹配辅助定位 | 第69-71页 |
4.2.1 室内地图二值图像矩阵的建立 | 第69-70页 |
4.2.2 室内地图匹配算法 | 第70-71页 |
4.3 基于地图匹配的卡尔曼滤波算法 | 第71-73页 |
4.4 实验结果与结果分析 | 第73-84页 |
4.4.1 地图匹配算法定位结果 | 第73-75页 |
4.4.2 基于地图匹配的卡尔曼滤波算法的性能 | 第75-79页 |
4.4.3 参考点RSS样本采集工作量减少对定位性能的影响 | 第79-84页 |
4.5 本章小结 | 第84-86页 |
第5章 基于人工神经网络的定位误差修正算法 | 第86-105页 |
5.1 引言 | 第86-87页 |
5.2 人工神经网络 | 第87-90页 |
5.2.1 多层感知器 | 第88-89页 |
5.2.2 反向传播算法 | 第89-90页 |
5.3 遗传算法 | 第90-93页 |
5.3.1 遗传算法原理 | 第90-91页 |
5.3.2 基于遗传算法的人工神经网络初始参数优化 | 第91-93页 |
5.4 基于人工神经网络的定位误差修正算法 | 第93-98页 |
5.4.1 基于人工神经网络的定位误差修正算法概述 | 第93-94页 |
5.4.2 误差估计人工神经网络构建 | 第94-96页 |
5.4.3 基于人工神经网络的定位误差修正过程 | 第96-98页 |
5.5 实验结果与结果分析 | 第98-102页 |
5.6 与先进WLAN位置指纹定位系统比较 | 第102-103页 |
5.7 本章小结 | 第103-105页 |
结论 | 第105-107页 |
参考文献 | 第107-118页 |
攻读博士学位期间所发表的论文及其他成果 | 第118-121页 |
致谢 | 第121-122页 |
个人简历 | 第122页 |