基于接入点选择的无线传感器室内定位研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.2 室内定位技术的研究现状 | 第13-16页 |
| 1.3 室内定位性能评价标准 | 第16-18页 |
| 1.4 本文研究的主要内容及其创新点 | 第18页 |
| 1.5 本文结构的主要安排 | 第18-21页 |
| 第二章 指纹库简化方法 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 现有定位技术介绍 | 第21-23页 |
| 2.3 RSS信号特性分析 | 第23-26页 |
| 2.3.1 RSS不确定性分析 | 第24-25页 |
| 2.3.2 RSS非线性特性分析 | 第25-26页 |
| 2.4 现有AP选择算法总结 | 第26-30页 |
| 2.4.1 最大均值算法 | 第26-27页 |
| 2.4.2 信息熵增益算法 | 第27-28页 |
| 2.4.3 互信息算法 | 第28-30页 |
| 2.5 核函数分析 | 第30-32页 |
| 2.5.1 Mercer定理 | 第30-31页 |
| 2.5.2 基于核的Fisher判别分析 | 第31-32页 |
| 2.6 本章小结 | 第32-35页 |
| 第三章 指纹库处理及改进高斯滤波定位算法 | 第35-45页 |
| 3.1 引言 | 第35页 |
| 3.2 离线指纹库预处理 | 第35-37页 |
| 3.2.1 卡尔曼滤波 | 第35-36页 |
| 3.2.2 改进高斯滤波 | 第36-37页 |
| 3.3 指纹匹配算法 | 第37-40页 |
| 3.3.1 WKNN算法 | 第38-39页 |
| 3.3.2 贝叶斯算法 | 第39页 |
| 3.3.3 神经网络算法 | 第39-40页 |
| 3.3.4 高斯模型法 | 第40页 |
| 3.4 定位算法流程 | 第40-41页 |
| 3.5 实验分析 | 第41-44页 |
| 3.5.1 指纹库预处理分析 | 第41-43页 |
| 3.5.2 算法在不同场景定位误差对比分析 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 连续互信息室内定位算法 | 第45-53页 |
| 4.1 引言 | 第45页 |
| 4.2 问题提出 | 第45-46页 |
| 4.3 相关定义 | 第46-47页 |
| 4.4 算法原理及实现 | 第47-49页 |
| 4.5 实验结果分析 | 第49-52页 |
| 4.5.1 实验环境及误差评定标准 | 第49-50页 |
| 4.5.2 连续互信息算法定位误差比较 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 未来工作的展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 附录A 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第62页 |
