基于移动设备的多状态行人定位系统研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第12-21页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 国内外研究成果 | 第13-19页 |
| 1.3 本文的研究内容与创新点 | 第19-20页 |
| 1.4 本文的内容及组织 | 第20-21页 |
| 2 行人定位系统简介 | 第21-35页 |
| 2.1 单一状态航位推算系统原理 | 第21-27页 |
| 2.2 多状态航位推算系统原理 | 第27-29页 |
| 2.3 传感器数据采集与预处理 | 第29-34页 |
| 2.3.1 预定义的行人多状态 | 第29-30页 |
| 2.3.2 原始传感器数据采集 | 第30-31页 |
| 2.3.3 设备坐标系与世界坐标系变换 | 第31-33页 |
| 2.3.4 新数据生成 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 行人状态分类模型构建与测试 | 第35-48页 |
| 3.1 算法简介 | 第35-36页 |
| 3.2 基于步频的数据分割 | 第36-38页 |
| 3.3 特征提取 | 第38-39页 |
| 3.4 主成分分析 | 第39-41页 |
| 3.5 特征标准化 | 第41-42页 |
| 3.6 基于支持向量机的状态识别 | 第42-45页 |
| 3.6.1 支持向量机分类模型 | 第42-44页 |
| 3.6.2 序列最小优化算法 | 第44-45页 |
| 3.6.3 多类别分类策略 | 第45页 |
| 3.7 行人状态分类模型的训练与评估 | 第45-47页 |
| 3.8 本章小结 | 第47-48页 |
| 4 多状态的行人航位推算 | 第48-60页 |
| 4.1 算法简介 | 第48-49页 |
| 4.2 步伐检测 | 第49-53页 |
| 4.3 基于状态的步长估计 | 第53-55页 |
| 4.4 基于状态的步高估计 | 第55-56页 |
| 4.5 方位估计 | 第56-58页 |
| 4.6 三维定位更新方法 | 第58-59页 |
| 4.7 本章小结 | 第59-60页 |
| 5 多状态的行人航位推算系统实现与验证 | 第60-70页 |
| 5.1 基于iOS的系统实现 | 第60-61页 |
| 5.2 验证步长模型的实验 | 第61-64页 |
| 5.3 验证室内定位的实验 | 第64-66页 |
| 5.4 验证室外定位的实验 | 第66-68页 |
| 5.5 本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 本文总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 作者简历 | 第76页 |
| 读研期间的科研成果 | 第76页 |
