基于WiFi和传感器融合的室内定位导航系统设计
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究意义及背景 | 第10-11页 |
| 1.2 国内外室内定位导航的发展及研究现状 | 第11-13页 |
| 1.2.1 室内定位的研究现状 | 第11-13页 |
| 1.2.2 室内导航的研究现状 | 第13页 |
| 1.3 本文主要内容及章节安排 | 第13-15页 |
| 第二章 室内定位导航相关技术 | 第15-27页 |
| 2.1 常用的WLAN定位算法 | 第15-20页 |
| 2.1.1 近似法 | 第15-16页 |
| 2.1.2 几何法 | 第16-20页 |
| 2.1.3 场景分析法 | 第20页 |
| 2.2 常用的导航算法 | 第20-22页 |
| 2.2.1 Dijkstra算法 | 第20-21页 |
| 2.2.2 A*算法 | 第21-22页 |
| 2.3 粒子滤波 | 第22-26页 |
| 2.3.1 状态空间模型 | 第22-23页 |
| 2.3.2 最优贝叶斯估计 | 第23-24页 |
| 2.3.3 重要性采样方法 | 第24-26页 |
| 2.3.4 重采样 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于方差滤波的位置指纹室内定位方法 | 第27-39页 |
| 3.1 位置指纹室内定位方法 | 第27-29页 |
| 3.2 基于方差滤波的指纹数据的预处理 | 第29-31页 |
| 3.3 基于距离的位置指纹室内定位算法的改进 | 第31-33页 |
| 3.3.1 基于欧氏距离的位置指纹室内定位算法 | 第31-32页 |
| 3.3.2 基于卡方距离的位置指纹室内定位算法 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-38页 |
| 3.4.1 实验环境 | 第33-34页 |
| 3.4.2 实验分析 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于惯性传感器的室内导航方法 | 第39-52页 |
| 4.1 导航算法 | 第39页 |
| 4.2 基于行人航迹推算的室内导航方法 | 第39-47页 |
| 4.2.1 坐标系定义及变换 | 第41-44页 |
| 4.2.2 步数检测 | 第44-46页 |
| 4.2.3 步长估计 | 第46-47页 |
| 4.2.4 航向角估计 | 第47页 |
| 4.3 粒子滤波与地图匹配方法在室内导航中的应用 | 第47-49页 |
| 4.4 实验结果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 室内定位与导航系统的实现 | 第52-64页 |
| 5.1 系统框架与定位导航流程 | 第52-55页 |
| 5.1.1 系统架构 | 第52-53页 |
| 5.1.2 定位流程 | 第53-54页 |
| 5.1.3 导航流程 | 第54-55页 |
| 5.2 Android客户端的设计 | 第55-59页 |
| 5.2.1 室内定位部分的设计 | 第55-59页 |
| 5.2.2 室内导航部分的设计 | 第59页 |
| 5.3 Apache服务器的设计 | 第59-63页 |
| 5.3.1 服务器端位置指纹算法的实现 | 第59-61页 |
| 5.3.2 服务器端最短路径算法的实现 | 第61-62页 |
| 5.3.3 指纹数据库的设计 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 未来展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 附录 攻读硕士学位期间申请的专利 | 第68-69页 |
| 致谢 | 第69页 |
