基于WLAN位置指纹的室内定位技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 选题背景与研究意义 | 第9-10页 |
| 1.2 室内无线定位技术概述 | 第10-12页 |
| 1.3 国内外WLAN定位研究现状 | 第12-13页 |
| 1.4 本文主要工作和创新点 | 第13页 |
| 1.5 章节安排 | 第13-15页 |
| 第二章 室内WLAN无线定位技术 | 第15-25页 |
| 2.1 WLAN室内定位技术 | 第15-20页 |
| 2.1.1 室内信号传播的基本特点 | 第16页 |
| 2.1.2 室内定位的主要影响因素 | 第16-17页 |
| 2.1.3 基于传播模型的定位算法 | 第17-20页 |
| 2.2 基于位置指纹的定位算法 | 第20-23页 |
| 2.2.1 近邻算法 | 第21-22页 |
| 2.2.2 概率法 | 第22-23页 |
| 2.2.3 神经网络算法 | 第23页 |
| 2.3 位置指纹定位算法的性能分析 | 第23-24页 |
| 2.4 本章总结 | 第24-25页 |
| 第三章 建立信号指纹库中的关键问题分析 | 第25-39页 |
| 3.1 序言 | 第25页 |
| 3.2 基于传播模型预测信号的难点分析 | 第25-31页 |
| 3.2.1 WLAN信号的小尺度衰落 | 第27-28页 |
| 3.2.2 WLAN信号的大尺度衰落 | 第28-31页 |
| 3.3 信号指纹采集中的几个主要影响问题 | 第31-38页 |
| 3.3.1 人体对接收信号强度的影响 | 第31-32页 |
| 3.3.2 信号强度值的有效性 | 第32-33页 |
| 3.3.3 噪声下信号强度的分布模型 | 第33-35页 |
| 3.3.4 指纹点的采集样本量 | 第35-36页 |
| 3.3.5 信号指纹特征的稳定性 | 第36-38页 |
| 3.4 本章总结 | 第38-39页 |
| 第四章 基于高斯模型的数据库聚类及其搜索算法 | 第39-58页 |
| 4.1 信号指纹数据的预处理 | 第40-44页 |
| 4.1.1 指纹特征的选择与提取 | 第40-43页 |
| 4.1.2 属性项(AP)的简约 | 第43-44页 |
| 4.2 信号特征数据库的多层聚类处理 | 第44-46页 |
| 4.2.1 指纹库的多层聚类模型 | 第44-45页 |
| 4.2.2 单元与网格的生成 | 第45-46页 |
| 4.3 子类层的自适应多中心聚类算法 | 第46-50页 |
| 4.3.1 算法描述及流程图 | 第46-48页 |
| 4.3.2 指派指纹点到子类的相似度量 | 第48-49页 |
| 4.3.3 聚类的目标函数 | 第49页 |
| 4.3.4 算法复杂度讨论 | 第49-50页 |
| 4.4 基于多层聚类的快速搜索算法 | 第50-52页 |
| 4.5 实验与数据分析 | 第52-57页 |
| 4.5.1 实验环境 | 第52页 |
| 4.5.2 信号指纹库的多层聚类 | 第52-55页 |
| 4.5.3 算法性能分析与讨论 | 第55-57页 |
| 4.6 本章总结 | 第57-58页 |
| 第五章 基于证据理论的多特征值定位匹配算法 | 第58-74页 |
| 5.1 序言 | 第58-59页 |
| 5.2 基于D-S理论的多特征值融合匹配算法 | 第59-67页 |
| 5.2.1 参与定位AP的选择 | 第59-60页 |
| 5.2.2 AP的基本信任分配 | 第60-63页 |
| 5.2.3 AP信息的融合算法 | 第63-65页 |
| 5.2.4 决策策略及位置信息估计 | 第65-67页 |
| 5.3 算法参数优化 | 第67-69页 |
| 5.3.1 仿真环境 | 第67-68页 |
| 5.3.2 参与定位AP的数目 | 第68页 |
| 5.3.3 采集点的间距 | 第68-69页 |
| 5.4 实验验证与数据分析 | 第69-72页 |
| 5.4.1 实验环境 | 第69-70页 |
| 5.4.2 定位精度和定位时间 | 第70-72页 |
| 5.5 本章总结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 论文总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 作者攻读学位期间参与的项目 | 第80-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |
