| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-14页 |
| 缩略语对照表 | 第14-19页 |
| 第一章 绪论 | 第19-27页 |
| 1.1 研究背景及意义 | 第19-21页 |
| 1.1.1 室内定位技术的研究意义 | 第19-20页 |
| 1.1.2 室内可见光定位技术的研究意义 | 第20-21页 |
| 1.2 定位技术研究现状 | 第21-24页 |
| 1.2.1 室内定位技术的现状 | 第21-23页 |
| 1.2.2 室内VLC定位技术的研究现状 | 第23-24页 |
| 1.3 工作内容及章节安排 | 第24-27页 |
| 第二章 室内可见光信道模型及常见的定位算法 | 第27-39页 |
| 2.1 室内可见光通信信道模型 | 第27-31页 |
| 2.1.1 室内可见光定位模型 | 第27-28页 |
| 2.1.2 信道模型及接收光功率 | 第28-30页 |
| 2.1.3 噪声分析 | 第30-31页 |
| 2.2 常见的可见光定位算法 | 第31-37页 |
| 2.2.1 几何测量法 | 第31-35页 |
| 2.2.2 场景分析法 | 第35-36页 |
| 2.2.3 近似感知法 | 第36-37页 |
| 2.2.4 图像传感器成像法 | 第37页 |
| 2.3 定位算法性能分析 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 室内VLC定位系统的位置指纹法 | 第39-53页 |
| 3.1 位置指纹法的介绍 | 第39-42页 |
| 3.1.1 特征参数的选择 | 第39-40页 |
| 3.1.2 建立原始数据库 | 第40-42页 |
| 3.2 指纹法主要的定位算法 | 第42-44页 |
| 3.2.1 最近邻法 | 第42页 |
| 3.2.2 K近邻法 | 第42-43页 |
| 3.2.3 加权K近邻法 | 第43页 |
| 3.2.4 概率分布法 | 第43-44页 |
| 3.3 基于可见光的位置指纹技术 | 第44-51页 |
| 3.3.1 室内VLC定位的WKNN模型 | 第44-46页 |
| 3.3.2 室内VLC定位的SWKNN模型 | 第46-48页 |
| 3.3.3 性能对比 | 第48-51页 |
| 3.4 整体优化方案 | 第51-52页 |
| 3.4.1 指纹库的建立问题 | 第51-52页 |
| 3.4.2 算法匹配效率问题 | 第52页 |
| 3.5 本章总结 | 第52-53页 |
| 第四章 基于二分k-means聚类与WKNN的定位算法 | 第53-73页 |
| 4.1 聚类 | 第54页 |
| 4.2 K-means聚类算法 | 第54-59页 |
| 4.2.1 距离计算 | 第55-56页 |
| 4.2.2 性能度量 | 第56页 |
| 4.2.3 K-means算法学习过程 | 第56-58页 |
| 4.2.4 二分K-means聚类算法 | 第58-59页 |
| 4.3 基于二分K-means聚类和WKNN的定位算法 | 第59-62页 |
| 4.3.1 算法流程 | 第59-61页 |
| 4.3.2 精度提升分析 | 第61-62页 |
| 4.4 算法仿真结果与分析 | 第62-71页 |
| 4.4.1 数据库创建 | 第63页 |
| 4.4.2 二分K-means聚类算法参数分析 | 第63-67页 |
| 4.4.3 WKNN算法参数分析 | 第67页 |
| 4.4.4 性能测试 | 第67-69页 |
| 4.4.5 背景光的影响 | 第69页 |
| 4.4.6 定位性能对比 | 第69-71页 |
| 4.5 本章小结 | 第71-73页 |
| 第五章 总结和展望 | 第73-75页 |
| 5.1 内容总结 | 第73-74页 |
| 5.2 未来展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |