| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-16页 |
| 1.1 课题来源及背景 | 第13页 |
| 1.2 研究目的与现实意义 | 第13-14页 |
| 1.3 论文主要内容及结构安排 | 第14-16页 |
| 第二章 WLAN室内定位技术相关研究 | 第16-28页 |
| 2.1 室内指纹定位技术原理 | 第16-22页 |
| 2.1.1 WLAN概念及其技术标准 | 第16-19页 |
| 2.1.2 WLAN室内信道特性及其传播模型 | 第19-20页 |
| 2.1.3 WLAN室内指纹定位技术原理 | 第20-22页 |
| 2.2 WLAN位置指纹定位分析 | 第22-23页 |
| 2.3 常见的基于 WLAN 的指纹定位技术 | 第23-27页 |
| 2.3.1 基于RSS距离的临近算法 | 第24-25页 |
| 2.3.2 概率法 | 第25-26页 |
| 2.3.3 支持向量回归法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 神经网络算法在定位技术中的具体分析 | 第28-46页 |
| 3.1 BP人工神经网络算法 | 第28-32页 |
| 3.1.1 多层感知器 | 第28-30页 |
| 3.1.2 反馈模型 | 第30-32页 |
| 3.2 使用人工神经网络进行定位 | 第32-34页 |
| 3.2.1 神经网络进行定位流程 | 第32页 |
| 3.2.2 神经网络初始权值设定 | 第32-34页 |
| 3.2.3 神经网络隐层节点数设计 | 第34页 |
| 3.3 针对传统人工神经网络定位算法误差的改进 | 第34-39页 |
| 3.3.1 移动物体遮挡导致的系统误差及其分析 | 第34-36页 |
| 3.3.2 几何距离法对数据的预处理 | 第36-37页 |
| 3.3.3 使用二次训练法对算法精度的改进 | 第37-39页 |
| 3.4 使用几何距离关系提高神经网络定位算法的精度 | 第39-41页 |
| 3.5 实验结果及分析 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 地图系统设计 | 第46-56页 |
| 4.1 区域匹配算法 | 第46-50页 |
| 4.1.1 指纹密度对定位精度的影响 | 第46-48页 |
| 4.1.2 区域判断算法 | 第48-50页 |
| 4.2 二维地图匹配算法 | 第50-52页 |
| 4.2.1 二维地图建立 | 第50-51页 |
| 4.2.2 地图匹配算法 | 第51-52页 |
| 4.3 实验结果及分析 | 第52-54页 |
| 4.4 与其它WLAN指纹定位系统比较 | 第54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 室内定位系统设计与实现 | 第56-70页 |
| 5.1 系统体系架构 | 第56-59页 |
| 5.1.1 系统逻辑结构 | 第56-58页 |
| 5.1.2 系统架构设计 | 第58-59页 |
| 5.2 系统具体设计与实现 | 第59-65页 |
| 5.2.1 客户端设计 | 第59-62页 |
| 5.2.2 服务器设计 | 第62-63页 |
| 5.2.3 数据库设计 | 第63-64页 |
| 5.2.4 网络设计 | 第64-65页 |
| 5.3 训练数据采集与分析 | 第65-67页 |
| 5.3.1 实验环境 | 第65页 |
| 5.3.2 对采集数据的预处理 | 第65-67页 |
| 5.4 具体定位流程 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 结论及展望 | 第70-72页 |
| 6.1 工作总结 | 第70-71页 |
| 6.2 未来的研究工作 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 个人简历、攻硕期间取得的研究成果 | 第76-77页 |