| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第11-17页 |
| 1.1 背景 | 第11-12页 |
| 1.2 相关工作 | 第12-15页 |
| 1.3 本文研究的目标及贡献 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 定位技术综述 | 第17-31页 |
| 2.1 无线通信技术 | 第17-19页 |
| 2.1.1 无线传输 | 第17-18页 |
| 2.1.2 无线信号的特性 | 第18-19页 |
| 2.2 定位 | 第19-20页 |
| 2.2.1 世界坐标系 | 第19-20页 |
| 2.2.2 本地坐标系 | 第20页 |
| 2.3 室内定位 | 第20-21页 |
| 2.4 定位方法 | 第21-23页 |
| 2.4.1 到达时间(Time of Arrival,TOA) | 第21-22页 |
| 2.4.2 到达时间差(Time Difference of Arrival,TDOA) | 第22页 |
| 2.4.3 到达角度(Angle of Arrival,AOA) | 第22页 |
| 2.4.4 接收信号强度(Received Signal Strength Indicator,RSSI) | 第22-23页 |
| 2.5 定位技术 | 第23-28页 |
| 2.5.1 蜂窝技术(Cell of Origin,COO) | 第23-24页 |
| 2.5.2 三边定位(Trilateration) | 第24-26页 |
| 2.5.3 三角定位(Triangulation) | 第26页 |
| 2.5.4 位置指纹(Location Fingerprinting,LFP) | 第26-27页 |
| 2.5.5 聚类(Clustering) | 第27-28页 |
| 2.5.6 Dead Reckoning | 第28页 |
| 2.6 基于位置指纹技术的定位算法 | 第28-29页 |
| 2.6.1 n维Eudidean距离 | 第28-29页 |
| 2.6.2 最邻近(Nearest Neighbor,NN) | 第29页 |
| 2.6.3 K最邻近(K Nearest Neighbor,KNN) | 第29页 |
| 2.7 本章小结 | 第29-31页 |
| 第三章 组合室内定位算法及定位实验 | 第31-50页 |
| 3.1 权值K最邻近(Weighted K Nearest Neighbor,WKNN) | 第31页 |
| 3.2 支持向量机(Support Vector Machine,SVM) | 第31-33页 |
| 3.3 结合SVM的权值K最邻近算法(SVM-WKNN) | 第33-39页 |
| 3.3.1 支持向量机优势 | 第33-34页 |
| 3.3.2 支持向量机定位分类的缺陷 | 第34页 |
| 3.3.3 利用权值K最临近做进一步分类 | 第34-35页 |
| 3.3.4 SVM多分类及WKNN的组合 | 第35-39页 |
| 3.4 定位实验 | 第39-49页 |
| 3.4.1 实验场景 | 第39页 |
| 3.4.2 信号强度值分布实验 | 第39-41页 |
| 3.4.3 定位数据存储方式 | 第41-44页 |
| 3.4.4 定位实验及定位精度分析 | 第44-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于组合定位算法的应用 | 第50-58页 |
| 4.1 路径跟踪系统 | 第50页 |
| 4.2 功能需求 | 第50-51页 |
| 4.3 系统结构 | 第51-56页 |
| 4.3.1 服务器 | 第51-53页 |
| 4.3.2 客户端 | 第53-55页 |
| 4.3.3 通信数据格式 | 第55-56页 |
| 4.4 路径跟踪实验 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 进一步工作展望 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间成果列表 | 第68-69页 |
| 参与项目 | 第69-71页 |
