| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 无线监测网络发展现状 | 第14-15页 |
| 1.4 本文主要研究内容及章节安排 | 第15-18页 |
| 第二章 数据驱动型定位技术 | 第18-28页 |
| 2.1 传统时差定位模型 | 第18-24页 |
| 2.1.1 基于信号到达时间差的测距模型 | 第18-22页 |
| 2.1.2 无线电定位非视距减轻技术 | 第22-24页 |
| 2.2 基于统计特性的定位模型 | 第24-27页 |
| 2.3 小结 | 第27-28页 |
| 第三章 用于定位场景的数据挖掘 | 第28-42页 |
| 3.1 数据挖掘概述 | 第28-31页 |
| 3.1.1 数据挖掘与知识发现 | 第28-29页 |
| 3.1.2 数据挖掘与数据分析 | 第29页 |
| 3.1.3 数据挖掘与统计学 | 第29-30页 |
| 3.1.4 数据挖掘与机器学习 | 第30-31页 |
| 3.2 数据挖掘的分类 | 第31-37页 |
| 3.2.1 分类分析 | 第31-33页 |
| 3.2.2 聚类分析 | 第33-34页 |
| 3.2.3 关联分析 | 第34-36页 |
| 3.2.4 序列分析及时间序列 | 第36-37页 |
| 3.2.5 孤立点分析 | 第37页 |
| 3.2.6 其他分析 | 第37页 |
| 3.3 基于聚类分析的TDOA定位 | 第37-40页 |
| 3.3.1 K均值算法 | 第38页 |
| 3.3.2 基于K均值算法的TDOA定位 | 第38-40页 |
| 3.4 小结 | 第40-42页 |
| 第四章 基于DBSCAN挖掘聚类的TDOA定位 | 第42-50页 |
| 4.1 基于DBSCAN的定位方法 | 第42-44页 |
| 4.1.1 基于密度的空间聚类算法(DBSCAN) | 第42-43页 |
| 4.1.2 信源位置估计策略 | 第43-44页 |
| 4.2 多源多径场景下DBSCAN与最小二乘的联合定位技术 | 第44-47页 |
| 4.2.1 DBSCAN与基于到达时间差的最小二乘估计的联合定位 | 第44-45页 |
| 4.2.2 基于DBSCAN聚类的定位仿真试验 | 第45-46页 |
| 4.2.3 DBSCAN的定位算法性能优化 | 第46-47页 |
| 4.3 小结 | 第47-50页 |
| 第五章 总结和展望 | 第50-52页 |
| 5.1 论文总结 | 第50页 |
| 5.2 未来研究展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 硕士期间发表论文情况 | 第58页 |
