| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 缩写表 | 第7-10页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究背景与应用 | 第10-11页 |
| 1.2 WLAN室内无线环境 | 第11-14页 |
| 1.3 常用WLAN室内定位方法介绍 | 第14-17页 |
| 1.3.1 参数化室内定位方法 | 第14-16页 |
| 1.3.2 非参数化室内定位方法 | 第16-17页 |
| 1.4 本文的研究目标 | 第17页 |
| 1.5 本文的组织结构 | 第17-19页 |
| 2 基于信号强度的位置指纹定位技术 | 第19-27页 |
| 2.1 位置指纹定位系统架构 | 第19-21页 |
| 2.1.1 离线训练阶段 | 第20页 |
| 2.1.2 在线定位阶段 | 第20-21页 |
| 2.2 位置指纹定位系统评价标准 | 第21-22页 |
| 2.3 模式匹配算法 | 第22-25页 |
| 2.3.1 加权K近邻法 | 第22-23页 |
| 2.3.2 概率分布法 | 第23-24页 |
| 2.3.3 人工神经网络法 | 第24-25页 |
| 2.4 位置指纹定位技术面临的挑战 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 快速K-medoids参考点聚类算法 | 第27-43页 |
| 3.1 聚类分析概述 | 第27-28页 |
| 3.2 聚类分析在位置指纹定位中的应用 | 第28-29页 |
| 3.3 引入快速K-medoids聚类算法 | 第29-33页 |
| 3.3.1 离线训练阶段 | 第29-30页 |
| 3.3.2 在线定位阶段 | 第30-33页 |
| 3.4 实验验证 | 第33-41页 |
| 3.4.1 实验方案 | 第39页 |
| 3.4.2 Fast K-medoids clustered WKNN定位算法结果分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 基于卡方距离改进的WLAN位置指纹定位算法 | 第43-59页 |
| 4.1 引入卡方距离的度量方式 | 第43-48页 |
| 4.1.1 离线训练阶段 | 第44-45页 |
| 4.1.2 在线定位阶段 | 第45-48页 |
| 4.2 基于卡方距离改进的位置指纹定位算法 | 第48-51页 |
| 4.2.1 离线训练阶段 | 第48-49页 |
| 4.2.2 在线定位阶段 | 第49-51页 |
| 4.3 实验验证 | 第51-57页 |
| 4.3.1 实验方案 | 第51-52页 |
| 4.3.2 CSWKNN定位算法结果分析 | 第52-54页 |
| 4.3.3 Fast K-medoids clustered CSWKNN定位算法结果分析 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 5 结论与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |