| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外发展及研究现状 | 第10-15页 |
| 1.2.1 室内定位现状 | 第10-13页 |
| 1.2.2 无线网络室内定位现状 | 第13-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 基于无线网络的位置指纹技术原理 | 第17-27页 |
| 2.1 几何测量法 | 第17-19页 |
| 2.2 无线网络的位置指纹定位原理 | 第19-20页 |
| 2.3 典型的无线网络位置指纹定位算法 | 第20-25页 |
| 2.3.1 概率法 | 第20-21页 |
| 2.3.2 邻近算法 | 第21-22页 |
| 2.3.3 神经网络 | 第22-23页 |
| 2.3.4 支持向量机 | 第23-25页 |
| 2.4 无线网络的位置指纹定位面临的挑战 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于FWA的SVM参数优化模型 | 第27-37页 |
| 3.1 SVM参数选择机制 | 第27-28页 |
| 3.2 烟花算法优化SVM参数模型 | 第28-33页 |
| 3.2.1 烟花算法的组成 | 第29-30页 |
| 3.2.2 烟花算法的实现 | 第30-32页 |
| 3.2.3 烟花算法优化SVM参数 | 第32-33页 |
| 3.3 粒子群优化SVM参数模型 | 第33-35页 |
| 3.3.1 粒子群算法 | 第33-34页 |
| 3.3.2 粒子群优化SVM | 第34-35页 |
| 3.4 仿真实验和结果分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于FWA-SVM的室内无线定位方法 | 第37-55页 |
| 4.1 总体框架设计 | 第37-39页 |
| 4.2 实验环境及硬件设备 | 第39-40页 |
| 4.3 数据处理方法 | 第40-43页 |
| 4.3.1 中值滤波 | 第40-41页 |
| 4.3.2 均值滤波 | 第41页 |
| 4.3.3 高斯滤波 | 第41-42页 |
| 4.3.4 各种滤波方法对比 | 第42-43页 |
| 4.4 空间插值 | 第43-49页 |
| 4.4.1 反距离加权法 | 第44页 |
| 4.4.2 克里金插值 | 第44-46页 |
| 4.4.3 实验结果分析 | 第46-49页 |
| 4.5 基于FWA-SVM分类和回归的室内无线定位 | 第49-54页 |
| 4.5.1 基于FWA优化SVM分类与回归的室内无线定位模型设计 | 第49-51页 |
| 4.5.2 SVM参数优化结果分析 | 第51-52页 |
| 4.5.3 定位精度分析 | 第52-53页 |
| 4.5.4 与其他室内定位对比 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 攻读学位期间所取得的相关科研成果 | 第59-61页 |
| 致谢 | 第61页 |