| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 定位技术的现状 | 第9-10页 |
| 1.3 RFID室内定位技术 | 第10-13页 |
| 1.3.1 RFID技术的发展历程 | 第10-12页 |
| 1.3.2 RFID室内定位的研究现状 | 第12-13页 |
| 1.4 技术路线 | 第13页 |
| 1.5 章节安排 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第2章 室内定位技术概述 | 第15-32页 |
| 2.1 室内定位环境性质 | 第15页 |
| 2.2 室内定位系统的介绍 | 第15-17页 |
| 2.2.1 Wi-Fi室内定位 | 第15页 |
| 2.2.2 ZigBee室内定位 | 第15-16页 |
| 2.2.3 超声波室内定位 | 第16-17页 |
| 2.2.4 RFID室内定位 | 第17页 |
| 2.2.5 UWB室内定位 | 第17页 |
| 2.3 RFID室内定位系统 | 第17-21页 |
| 2.3.1 RFID室内定位系统的构成 | 第17-20页 |
| 2.3.2 RFID系统工作原理 | 第20-21页 |
| 2.4 基于RFID室内定位的算法概述 | 第21-24页 |
| 2.4.1 圆周定位 | 第21-22页 |
| 2.4.2 角度定位 | 第22-23页 |
| 2.4.3 基于场景分析定位 | 第23-24页 |
| 2.4.4 邻近定位 | 第24页 |
| 2.5 RFID室内定位中的几种典型算法 | 第24-31页 |
| 2.5.1 K近邻室内定位算法 | 第24-26页 |
| 2.5.2 基于最小二乘估计的室内定位算法 | 第26-28页 |
| 2.5.3 基于贝叶斯滤波理论的室内定位算法 | 第28-29页 |
| 2.5.4 LANDMARC室内定位算法 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于思维进化算法优化改进BP神经网络模型建立 | 第32-47页 |
| 3.1 RFID室内定位算法选择 | 第32-33页 |
| 3.1.1 室内无线信号的路径损耗模型 | 第32页 |
| 3.1.2 BP神经网络模型的选择 | 第32-33页 |
| 3.2 人工神经网络 | 第33-37页 |
| 3.2.1 人工神经网络发展概述 | 第33页 |
| 3.2.2 神经网络主要研究内容 | 第33-34页 |
| 3.2.3 人工神经网络的研究方向 | 第34页 |
| 3.2.4 BP神经网络的构成 | 第34-37页 |
| 3.3 神经网络初始参数优化 | 第37-39页 |
| 3.3.1 思维进化算法结构 | 第38页 |
| 3.3.2 思维进化算法基本思路 | 第38-39页 |
| 3.3.3 思维进化算法系统流程图 | 第39页 |
| 3.4 RFID室内定位的神经网络预测模型建立 | 第39-41页 |
| 3.4.1 RFID室内定位系统模型设计步骤 | 第40页 |
| 3.4.2 室内定位系统流程图 | 第40-41页 |
| 3.5 基于MATLAB软件思维进化的BP神经网络的参数分析 | 第41-46页 |
| 3.5.1 BP神经网络参数的分析 | 第41-43页 |
| 3.5.2 思维进化算法优化的BP神经网络初值的MATLAB实现 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于改进算法的RFID室内定位实验设计与分析 | 第47-59页 |
| 4.1 RFID室内实验的方案设计 | 第47-52页 |
| 4.1.1 实验方案设计 | 第47-49页 |
| 4.1.2 实验方案的可行性分析 | 第49-51页 |
| 4.1.3 实验区域的选择和节点布置 | 第51-52页 |
| 4.2 数据处理 | 第52-56页 |
| 4.2.1 实验软件环境 | 第52-55页 |
| 4.2.2 实验数据收集 | 第55-56页 |
| 4.2.3 数据预处理 | 第56页 |
| 4.3 室内定位两种算法定位结果与分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 附录 | 第63-64页 |
| 致谢 | 第64页 |
