| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-14页 |
| 1.2.1 基于A-GPS的室内定位技术 | 第12-13页 |
| 1.2.2 基于红外线的室内定位技术 | 第13页 |
| 1.2.3 基于超声波的室内定位技术 | 第13页 |
| 1.2.4 基于蓝牙的室内定位技术 | 第13-14页 |
| 1.2.5 基于射频识别的室内定位技术 | 第14页 |
| 1.2.6 基于超宽带的室内定位技术 | 第14页 |
| 1.2.7 基于WIFI的室内定位技术 | 第14页 |
| 1.3 论文研究内容 | 第14-16页 |
| 第2章 位置指纹和WIFI定位理论 | 第16-30页 |
| 2.1 WIFI基本工作原理 | 第16-18页 |
| 2.1.1 WIFI技术概述 | 第16-17页 |
| 2.1.2 WIFI的组网方式 | 第17-18页 |
| 2.2 基于测距的室内定位方法 | 第18-21页 |
| 2.2.1 三边定位法 | 第18-19页 |
| 2.2.2 基于TOA的定位方法 | 第19-20页 |
| 2.2.3 极大似然估计定位法 | 第20-21页 |
| 2.3 位置指纹定位技术 | 第21-22页 |
| 2.3.1 WiFi位置指纹定位原理 | 第21-22页 |
| 2.3.2 构建位置指纹库 | 第22页 |
| 2.4 位置指纹定位算法 | 第22-28页 |
| 2.4.1 近邻法 | 第23-24页 |
| 2.4.2 贝叶斯决策算法 | 第24-25页 |
| 2.4.3 支持向量回归算法 | 第25-26页 |
| 2.4.4 人工神经网络法 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 RSS信号统计分布特征分析 | 第30-38页 |
| 3.1 RSS信号的特征 | 第30-34页 |
| 3.1.1 RSS与位置的关系 | 第30-31页 |
| 3.1.2 RSS的时变特性 | 第31-32页 |
| 3.1.3 RSS的概率分布特点 | 第32-33页 |
| 3.1.4 RSS的均值 | 第33-34页 |
| 3.2 影响RSS的几个因素 | 第34-36页 |
| 3.2.1 人体对RSS信号的影响 | 第34-35页 |
| 3.2.2 终端设备的异构性对RSS的影响 | 第35-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第4章 基于核化k-means聚类和SVR的定位算法 | 第38-58页 |
| 4.1 位置指纹定位算法研究现状 | 第38-40页 |
| 4.2 核化k-means聚类算法 | 第40-45页 |
| 4.2.1 聚类算法概述 | 第40-41页 |
| 4.2.2 核化k-means聚类算法工作流程 | 第41-43页 |
| 4.2.3 核化归一化过程 | 第43-45页 |
| 4.2.4 聚类参数设定 | 第45页 |
| 4.3 基于核化k-means聚类和SVR的指纹定位算法 | 第45-47页 |
| 4.3.1 支持向量回归（SVR）定位算法 | 第45-46页 |
| 4.3.2 核化k-means聚类和SVR定位流程 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-57页 |
| 4.4.1 聚类算法分析 | 第47-51页 |
| 4.4.2 SVR相关参数对定位精度的影响 | 第51-53页 |
| 4.4.3 核化k-means和SVR算法与其它算法的对比分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 一种自适应AP感知的位置指纹优化方法 | 第58-64页 |
| 5.1 问题引出与描述 | 第58页 |
| 5.2 自适应AP感知的位置指纹优化方法 | 第58-60页 |
| 5.2.1 自适应AP感知原理 | 第58-59页 |
| 5.2.2 自适应AP感知机制工作流程 | 第59-60页 |
| 5.3 实验分析 | 第60-63页 |
| 5.3.1 实验环境 | 第60页 |
| 5.3.2 实验结果分析 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间发表的论文 | 第70-72页 |
| 致谢 | 第72页 |
