基于WIFI网络的室内无线定位技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-12页 |
| 1.2 国内外的研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容和章节安排 | 第13-15页 |
| 2 室内定位技术研究 | 第15-30页 |
| 2.1 室内定位技术概述 | 第15页 |
| 2.2 常见的室内定位技术 | 第15-20页 |
| 2.2.1 超声波技术 | 第15页 |
| 2.2.2 红外线技术 | 第15-16页 |
| 2.2.3 超宽带技术（UWB） | 第16页 |
| 2.2.4 蓝牙定位技术（Bluetooth） | 第16-17页 |
| 2.2.5 射频识别技术（RFID） | 第17-18页 |
| 2.2.6 ZigBee定位技术 | 第18页 |
| 2.2.7 WIFI定位技术 | 第18-20页 |
| 2.3 WIFI无线通信技术 | 第20-24页 |
| 2.3.1 WIFI基本介绍 | 第20页 |
| 2.3.2 WIFI基本组成 | 第20-22页 |
| 2.3.3 无线网络的拓扑结构 | 第22-23页 |
| 2.3.4 无线信道及特征 | 第23-24页 |
| 2.4 影响室内定位的主要因素 | 第24页 |
| 2.5 常见的定位算法 | 第24-28页 |
| 2.5.1 基于测距的定位技术 | 第24-27页 |
| 2.5.2 无需测距的定位算法 | 第27-28页 |
| 2.6 定位系统性能的评价标准 | 第28-30页 |
| 3 位置指纹定位算法研究 | 第30-46页 |
| 3.1 位置指纹定位算法的定位原理 | 第30-31页 |
| 3.2 典型的位置指纹定位算法 | 第31-35页 |
| 3.2.1 最近邻法（NN） | 第32页 |
| 3.2.2 K最近邻法（KNN） | 第32页 |
| 3.2.3 K加权最近邻法（WKNN） | 第32-33页 |
| 3.2.4 BP神经网络法 | 第33-34页 |
| 3.2.5 贝叶斯网络算法 | 第34-35页 |
| 3.3 位置指纹定位算法分析 | 第35-38页 |
| 3.4 位置指纹定位技术关键问题分析 | 第38-40页 |
| 3.4.1 衰落对信号强度的影响 | 第38-39页 |
| 3.4.2 不同移动终端对信号强度的影响 | 第39页 |
| 3.4.3 人的行为对接收信号的影响 | 第39-40页 |
| 3.4.4 指纹密度对定位的影响 | 第40页 |
| 3.5 位置指纹空间聚类技术 | 第40-46页 |
| 3.5.1 聚类技术基本介绍 | 第40页 |
| 3.5.2 相似性度量 | 第40-42页 |
| 3.5.3 K均值聚类算法介绍 | 第42-45页 |
| 3.5.4 现有的K均值聚类算法存在的问题 | 第45-46页 |
| 4 位置指纹定位算法的改进与仿真分析 | 第46-58页 |
| 4.1 K均值聚类算法的改进 | 第47-50页 |
| 4.2 K加权最近邻法的改进 | 第50-52页 |
| 4.3 改进算法的仿真与实现 | 第52-58页 |
| 结论 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
