| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题研究的背景和意义 | 第11-14页 |
| 1.2 室内定位技术的研究发展和现状 | 第14-18页 |
| 1.3 本文主要研究内容及其创新点 | 第18-20页 |
| 第二章 基于WSN的室内定位技术 | 第20-33页 |
| 2.1 室内定位中常用的计算方法 | 第20-23页 |
| 2.1.1 三边测量法 | 第20-21页 |
| 2.1.2 三角测量法 | 第21-22页 |
| 2.1.3 加权质心算法 | 第22页 |
| 2.1.4 极大似然估计算法 | 第22-23页 |
| 2.2 室内定位中常用的距离测量方法 | 第23-26页 |
| 2.2.1 基于TOA的测距 | 第23-24页 |
| 2.2.2 基于TDOA的测距 | 第24-25页 |
| 2.2.3 基于AOA的测距 | 第25页 |
| 2.2.4 基于RSSI的测距 | 第25-26页 |
| 2.3 室内定位常用的无需测量距离的方法 | 第26-30页 |
| 2.3.1 DV-Hop算法 | 第27-28页 |
| 2.3.2 不定型（Amorphous）算法 | 第28-29页 |
| 2.3.3 APIT算法 | 第29-30页 |
| 2.4 室内定位精度的影响因素 | 第30页 |
| 2.5 室内定位性能评价标准 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于RSSI深相似域高斯拟合的室内定位算法 | 第33-43页 |
| 3.1 引言 | 第33-34页 |
| 3.2 算法相关定义 | 第34-35页 |
| 3.3 深相似域高斯信号模型分析 | 第35-37页 |
| 3.4 本章室内定位算法框架 | 第37-40页 |
| 3.4.1 贝叶斯匹配 | 第37页 |
| 3.4.2 奇异点的判定 | 第37-38页 |
| 3.4.3 置换高斯曲线拟合 | 第38-39页 |
| 3.4.4 定位算法步骤 | 第39-40页 |
| 3.5 实验结果分析 | 第40-42页 |
| 3.5.1 与其他算法性能比较 | 第41页 |
| 3.5.2 高斯定位误差对比分析 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于RSSI抗多径的指纹室内定位算法 | 第43-56页 |
| 4.1 引言 | 第43-44页 |
| 4.2 相关指纹定位算法介绍 | 第44-47页 |
| 4.2.1 K最近邻算法 | 第45-46页 |
| 4.2.2 概率性算法 | 第46页 |
| 4.2.3 神经网络算法 | 第46-47页 |
| 4.3 本章算法框架 | 第47-51页 |
| 4.3.1 优化采样数据集 | 第47-48页 |
| 4.3.2 抗多径衰减的概率匹配算法 | 第48-49页 |
| 4.3.3 合理性验证 | 第49-50页 |
| 4.3.4 确定待定位节点的坐标 | 第50-51页 |
| 4.4 算法处理步骤 | 第51-52页 |
| 4.5 性能分析与评价 | 第52-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 结论与展望 | 第56-59页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 未来工作的展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 详细摘要 | 第65-73页 |