| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第2章 室内定位相关技术 | 第13-31页 |
| 2.1 室内定位技术分类 | 第13-16页 |
| 2.2 基于测距的定位方法 | 第16-20页 |
| 2.2.1 TOA | 第16-17页 |
| 2.2.2 TDOA | 第17页 |
| 2.2.3 AOA | 第17-18页 |
| 2.2.4 传播模型法 | 第18-20页 |
| 2.3 非测距的定位方法 | 第20-23页 |
| 2.3.1 行人航迹推算法 | 第20-21页 |
| 2.3.2 近似法 | 第21-22页 |
| 2.3.3 场景分析法 | 第22-23页 |
| 2.4 位置指纹定位原理 | 第23-26页 |
| 2.4.1 位置指纹相似度 | 第24-25页 |
| 2.4.2 位置指纹定位性能评判标准 | 第25-26页 |
| 2.5 基于WIFI位置指纹的匹配算法 | 第26-30页 |
| 2.5.1 NN算法 | 第26-27页 |
| 2.5.2 KNN算法 | 第27-28页 |
| 2.5.3 WKNN算法 | 第28-29页 |
| 2.5.4 统计概率算法 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 指纹库数据滤波算法 | 第31-45页 |
| 3.1 指纹数据预处理原因 | 第31-34页 |
| 3.2 数据预处理的算法 | 第34-39页 |
| 3.2.1 均值滤波 | 第34-35页 |
| 3.2.2 AP过滤法 | 第35-36页 |
| 3.2.3 方向滤波 | 第36页 |
| 3.2.4 高斯滤波 | 第36-39页 |
| 3.3 WIFI邻域均值滤波算法 | 第39-43页 |
| 3.4 基于AP信号加权的邻域滤波算法 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 指纹库区域划分 | 第45-53页 |
| 4.1 区域划分思想 | 第45页 |
| 4.2 聚类算法在指纹库中的应用 | 第45-52页 |
| 4.2.1 k-means聚类算法 | 第45-47页 |
| 4.2.2 二分k-means聚类算法 | 第47-49页 |
| 4.2.3 凝聚层次聚类算法 | 第49页 |
| 4.2.4 ISODATA聚类算法 | 第49-52页 |
| 4.2.5 基于双重相似度的二分k-means聚类算法 | 第52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 改进算法的实验与分析 | 第53-74页 |
| 5.1 实验环境介绍 | 第53-54页 |
| 5.2 常用匹配算法对比分析 | 第54-58页 |
| 5.2.1 KNN算法实验分析 | 第54-56页 |
| 5.2.2 三种常用匹配定位算法的对比 | 第56-58页 |
| 5.3 预处理算法实验分析 | 第58-62页 |
| 5.3.1 预处理滤波算法分析 | 第58-59页 |
| 5.3.2 AP信号加权的邻域滤波算法实验分析 | 第59-62页 |
| 5.4 改进型聚类算法的分析 | 第62-65页 |
| 5.4.1 k-means和二分k-means算法实验对比 | 第62-63页 |
| 5.4.2 基于双重相似度的二分k-means聚类算法的分析 | 第63-65页 |
| 5.5 改进型定位匹配算法的分析 | 第65-71页 |
| 5.5.1 基于AP加权相似度的WKNN改进算法分析 | 第66-68页 |
| 5.5.2 改进型自适应WKNN算法分析 | 第68-71页 |
| 5.6 整体改进算法与传统定位算法性能对比分析 | 第71-73页 |
| 5.7 本章小结 | 第73-74页 |
| 第6章 结论 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 作者简介 | 第80-81页 |
| 攻读硕士学位期间研究成果 | 第81页 |
