| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第13-14页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题研究的背景及意义 | 第14-15页 |
| 1.2 室内定位研究现状 | 第15-17页 |
| 1.3 研究目标和内容 | 第17页 |
| 1.4 论文创新点 | 第17-18页 |
| 1.5 论文章节安排 | 第18-19页 |
| 第二章 无线室内定位相关技术概述 | 第19-30页 |
| 2.1 基于指纹的定位技术 | 第19-27页 |
| 2.1.1 基于RSSI的室内指纹定位 | 第20页 |
| 2.1.2 基于CSI的室内指纹定位 | 第20-24页 |
| 2.1.3 基于CSI的无源被动定位技术 | 第24-27页 |
| 2.2 基于测距的室内定位技术 | 第27-28页 |
| 2.3 到达角度的定位技术 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 信道状态信息以及用于被动室内定位可行性分析 | 第30-44页 |
| 3.1 信道状态信息 | 第30-32页 |
| 3.1.1 OFDM系统的介绍 | 第30-31页 |
| 3.1.2 信道状态信息 | 第31-32页 |
| 3.2 使用CSI进行室内被动定位的可行性分析 | 第32-43页 |
| 3.2.1 获取CSI信息 | 第33-34页 |
| 3.2.2 CSI的时间稳定性 | 第34-35页 |
| 3.2.3 CSI的频率多样性 | 第35-41页 |
| 3.2.4 CSI的空间分集特性 | 第41-42页 |
| 3.2.5 使用CSI进行室内被动定位 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 基于幅度的室内被动定位 | 第44-65页 |
| 4.1 基于信道状态信息的室内定位系统架构 | 第44-45页 |
| 4.1.1 实验环境部署 | 第44-45页 |
| 4.1.2 特征的选取 | 第45页 |
| 4.2 分类模型训练 | 第45-51页 |
| 4.2.1 神经元 | 第45-47页 |
| 4.2.2 多层前馈神经网络 | 第47-48页 |
| 4.2.3 误差逆传播算法(error BackProgation) | 第48-49页 |
| 4.2.4 模型的训练 | 第49-51页 |
| 4.3 实验与分析 | 第51-64页 |
| 4.3.1 定位性能评价指标和参数 | 第51-52页 |
| 4.3.2 定位小单元大小对定位结果的影响 | 第52-55页 |
| 4.3.3 使用天线数目对定位结果的影响对比 | 第55-57页 |
| 4.3.4 使用RSSI和CSI定位结果的影响对比 | 第57-58页 |
| 4.3.5 使用其他算法对定位结果的影响对比 | 第58-59页 |
| 4.3.6 数据组合处理对定位结果的影响 | 第59-62页 |
| 4.3.7 和其他同类型论文对比 | 第62-63页 |
| 4.3.8 实验总结 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 基于幅度和相位的室内被动定位 | 第65-72页 |
| 5.1 基于幅度和相位的室内被动定位介绍 | 第65页 |
| 5.2 相位的提取 | 第65-69页 |
| 5.2.1 原始相位的噪声 | 第65页 |
| 5.2.2 相位噪声的去除 | 第65-68页 |
| 5.2.3 相位处理的有效性 | 第68-69页 |
| 5.3 采用处理后的相位和幅度的室内被动定位算法 | 第69-71页 |
| 5.3.1 定位结果和分析 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结和展望 | 第72-74页 |
| 6.1 论文总结 | 第72-73页 |
| 6.2 工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的成果 | 第79页 |
