| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-19页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 室内定位研究现状及分析 | 第8-16页 |
| 1.2.1 蓝牙技术(Bluetooth) | 第9-10页 |
| 1.2.2 红外线（IR）技术 | 第10页 |
| 1.2.3 超宽带（UWB）技术 | 第10-11页 |
| 1.2.4 RFID技术 | 第11页 |
| 1.2.5 ZigBee技术 | 第11-12页 |
| 1.2.6 WiFi定位技术 | 第12-15页 |
| 1.2.7 不同技术性能比较 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 论文的章节安排 | 第17-19页 |
| 第二章 基于惯性传感器的WiFi室内定位方法概述 | 第19-35页 |
| 2.1 WiFi技术概述 | 第19-22页 |
| 2.1.1 802.11a和IEEE 802.11b协议 | 第19-20页 |
| 2.1.2 IEEE802.11g协议 | 第20页 |
| 2.1.3 IEEE 802.11n协议 | 第20-21页 |
| 2.1.4 IEEE 802.11ac协议 | 第21页 |
| 2.1.5 补充标准IEEE 802.11ad和IEEE 802.11ah | 第21-22页 |
| 2.1.6 下一代WiFi新标准IEEE 802.11ax | 第22页 |
| 2.1.7 802.11技术比较 | 第22页 |
| 2.2 位置指纹方法 | 第22-27页 |
| 2.2.1 最近邻算法NN | 第23-24页 |
| 2.2.2 K近邻算法KNN | 第24-25页 |
| 2.2.3 加权K近邻法WKNN | 第25-26页 |
| 2.2.4 贝叶斯算法 | 第26-27页 |
| 2.3 离线指纹数据库建立方法 | 第27-29页 |
| 2.3.1 无线信号衰减模型 | 第27-28页 |
| 2.3.2 插值法 | 第28-29页 |
| 2.4 MEMS惯性传感器与惯性导航 | 第29-33页 |
| 2.4.1 MEMS加速度计 | 第30-31页 |
| 2.4.2 MEMS陀螺仪 | 第31-32页 |
| 2.4.3 惯性导航 | 第32-33页 |
| 2.5 基于惯性传感器的位置指纹数据库建立方法 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 滤波算法与改进的高斯粒子滤波算法 | 第35-48页 |
| 3.1 滤波算法 | 第35-41页 |
| 3.1.1 卡尔曼滤波 | 第35-36页 |
| 3.1.2 α-β与α-β-γ滤波器 | 第36-37页 |
| 3.1.3 粒子滤波 | 第37-41页 |
| 3.2 高斯粒子滤波算法 | 第41-44页 |
| 3.2.1 最优贝叶斯估计 | 第41-42页 |
| 3.2.2 高斯粒子滤波 | 第42页 |
| 3.2.3 测量更新 | 第42-43页 |
| 3.2.4 预测更新 | 第43-44页 |
| 3.3 改进的高斯粒子滤波算法 | 第44-45页 |
| 3.4 仿真及结果分析 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 实验及仿真 | 第48-54页 |
| 4.1 数据获取与数据库建立 | 第49-51页 |
| 4.2 运动路径计算 | 第51-52页 |
| 4.3 定位仿真 | 第52-54页 |
| 第五章 结论 | 第54-56页 |
| 5.1 论文总结 | 第54-55页 |
| 5.2 论文展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |
