| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究意义 | 第11页 |
| 1.4 主要研究内容 | 第11-12页 |
| 1.5 论文结构安排 | 第12-14页 |
| 第2章 无线定位技术 | 第14-22页 |
| 2.1 无线定位技术基础 | 第14-16页 |
| 2.1.1 无线定位技术概念 | 第14-15页 |
| 2.1.2 无线定位系统分类 | 第15页 |
| 2.1.3 无线定位技术应用 | 第15-16页 |
| 2.2 无线定位方法简介 | 第16-20页 |
| 2.3 城市网格化系统 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 人工神经网络 | 第22-36页 |
| 3.1 人工神经网络理论 | 第22-25页 |
| 3.1.1 神经网络的组成 | 第22-23页 |
| 3.1.2 神经网络的学习规则 | 第23-24页 |
| 3.1.3 神经网络的优越性 | 第24-25页 |
| 3.2 BP神经网络 | 第25-28页 |
| 3.2.1 BP神经网络结构 | 第25-26页 |
| 3.2.2 BP算法的实现 | 第26-27页 |
| 3.2.3 BP神经网络的优点 | 第27页 |
| 3.2.4 BP神经网络的缺陷 | 第27-28页 |
| 3.3 RBF神经网络 | 第28-31页 |
| 3.3.1 RBF神经网络的结构 | 第29页 |
| 3.3.2 RBF神经网络算法实现 | 第29-30页 |
| 3.3.3 RBF神经网络的优缺点及与BP神经网络的区别 | 第30-31页 |
| 3.4 遗传算法理论 | 第31-34页 |
| 3.4.1 遗传算法简介 | 第31-32页 |
| 3.4.2 遗传算法的实现 | 第32-33页 |
| 3.4.3 遗传算法的优点和不足 | 第33-34页 |
| 3.5 遗传神经网络的泛化能力 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于神经网络的定位研究 | 第36-54页 |
| 4.1 定位流程 | 第36-38页 |
| 4.2 算法分析 | 第38-43页 |
| 4.2.1 神经网络类型分析及选取 | 第39-40页 |
| 4.2.2 遗传算法改进RBF神经网络 | 第40-43页 |
| 4.3 场景模型建立 | 第43-47页 |
| 4.4 仿真算法 | 第47-49页 |
| 4.4.1 改进射线跟踪算法 | 第47-49页 |
| 4.4.2 使用射线跟踪软件仿真 | 第49页 |
| 4.5 定位结果及分析 | 第49-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 发表论文和参与科研情况说明 | 第62-63页 |
| 致谢 | 第63-64页 |