基于流形学习的蓝牙定位算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 Beacon信号特征分析 | 第14-22页 |
| 2.1 不同频率时的信号分布特征 | 第14-16页 |
| 2.2 人与物体对信号的影响 | 第16-17页 |
| 2.3 信号随距离变化的模型 | 第17-19页 |
| 2.4 Beacon信号预处理 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 经典的基于位置指纹的定位算法 | 第22-31页 |
| 3.1 指纹定位的基本模型 | 第22-23页 |
| 3.2 基于概率的算法 | 第23-27页 |
| 3.2.1 Bayes算法 | 第23-26页 |
| 3.2.2 GMM算法 | 第26-27页 |
| 3.3 基于近邻的定位算法 | 第27-30页 |
| 3.3.1 不同的距离度量方法 | 第27-28页 |
| 3.3.2 WKNN和EWKNN算法 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于流形学习的指纹定位算法 | 第31-39页 |
| 4.1 流形学习 | 第31-33页 |
| 4.1.1 LLE算法 | 第31页 |
| 4.1.2 ISOMAP算法 | 第31-33页 |
| 4.2 流形学习定位算法思想 | 第33-36页 |
| 4.3 基于流形学习的位置指纹室内定位算法 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 室内定位实验与分析 | 第39-48页 |
| 5.1 实验介绍 | 第39-40页 |
| 5.2 ISOMAP的参数分析 | 第40-43页 |
| 5.2.1 ISOMAP的参数确定 | 第40-41页 |
| 5.2.2 ISOMAP与LLE的定位结果比较 | 第41-43页 |
| 5.3 ISOMAP的有效性分析 | 第43-46页 |
| 5.4 不同方法的实验结果比较 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 论文总结 | 第48页 |
| 6.2 研究展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的文章及发明专利 | 第54页 |
