| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.1.1 课题研究背景 | 第9页 |
| 1.1.2 课题研究意义 | 第9-10页 |
| 1.2 室内定位技术概述 | 第10-12页 |
| 1.2.1 主流室内定位技术介绍 | 第10-12页 |
| 1.2.2 各种室内定位技术综合分析 | 第12页 |
| 1.3 室内定位技术国内外现状 | 第12-14页 |
| 1.4 本文结构及内容 | 第14-16页 |
| 第2章 WiFi室内定位技术理论 | 第16-24页 |
| 2.1 WiFi定位方法 | 第16-21页 |
| 2.1.1 基于信号传播时间(TOA)定位法 | 第16-17页 |
| 2.1.2 基于信号传播时间差(TDOA)定位法 | 第17-18页 |
| 2.1.3 基于信号到达角度(AOA)定位法 | 第18页 |
| 2.1.4 基于接收信号强度(RSSI)定位法 | 第18-21页 |
| 2.1.5 各种定位方法对比 | 第21页 |
| 2.2 WiFi匹配算法 | 第21-23页 |
| 2.2.1 最近邻法 | 第21-22页 |
| 2.2.2 K近邻法 | 第22页 |
| 2.2.3 K加权近邻法 | 第22页 |
| 2.2.4 朴素贝叶斯法 | 第22-23页 |
| 2.3 WiFi定位技术的影响因素 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 指纹信息获取与处理 | 第24-31页 |
| 3.1 指纹信息数据形式 | 第24页 |
| 3.2 信号强度波动处理 | 第24-25页 |
| 3.2.1 前过滤法 | 第24-25页 |
| 3.2.2 后矫正法 | 第25页 |
| 3.3 聚类分析算法 | 第25-29页 |
| 3.3.1 k均值(k-means)聚类算法 | 第26-28页 |
| 3.3.2 基于密度和高密度的连结区域(DBSCAN)聚类算法 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第4章 指纹匹配算法的研究与优化 | 第31-40页 |
| 4.1 海量数据查找算法 | 第31-33页 |
| 4.1.1 布隆过滤器(Bloom Filter)算法简介 | 第31页 |
| 4.1.2 布隆过滤器(Bloom Filter)算法思想 | 第31-33页 |
| 4.2 近邻算法 | 第33-35页 |
| 4.2.1 最近邻法 | 第33页 |
| 4.2.2 K近邻法 | 第33-34页 |
| 4.2.3 K加权近邻法 | 第34-35页 |
| 4.3 改进的K加权近邻算法 | 第35-39页 |
| 4.3.1 改进的WKNN算法思想 | 第35-37页 |
| 4.3.2 K值选取 | 第37-38页 |
| 4.3.3 改进的WKNN算法仿真分析 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 基于Android平台的室内定位系统设计与实现 | 第40-58页 |
| 5.1 系统整体分析 | 第40-42页 |
| 5.1.1 系统需求分析 | 第40-41页 |
| 5.1.2 系统功能分析 | 第41-42页 |
| 5.2 系统方案确定 | 第42-45页 |
| 5.2.1 服务器方案确定 | 第42-43页 |
| 5.2.2 网络架构方案确定 | 第43-45页 |
| 5.3 系统设计 | 第45-49页 |
| 5.3.1 数据库内容设计 | 第45-46页 |
| 5.3.2 客户端设计 | 第46-48页 |
| 5.3.3 服务器设计 | 第48-49页 |
| 5.4 实验概述与测试 | 第49-57页 |
| 5.4.1 实验平台概述 | 第49-53页 |
| 5.4.2 室内信号的统计分析 | 第53-54页 |
| 5.4.3 系统测试验证 | 第54-56页 |
| 5.4.4 实验数据分析总结 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
