融合多维空间谱信息的室内定位研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 室内定位研究背景及意义 | 第8-9页 |
| 1.2 室内定位研究现状及发展趋势 | 第9-10页 |
| 1.3 空间谱信息定位研究现状 | 第10-11页 |
| 1.4 本文主要工作及内容安排 | 第11-13页 |
| 第二章 室内定位技术分析 | 第13-23页 |
| 2.1 室内定位系统 | 第13-17页 |
| 2.1.1 红外线室内定位系统 | 第13-14页 |
| 2.1.2 超声波室内定位系统 | 第14页 |
| 2.1.3 射频识别室内定位系统 | 第14-15页 |
| 2.1.4 蓝牙室内定位系统 | 第15-16页 |
| 2.1.5 Wi Fi室内定位系统 | 第16-17页 |
| 2.2 参数化室内定位方法 | 第17-20页 |
| 2.2.1 TOA定位 | 第17-18页 |
| 2.2.2 TDOA定位 | 第18-19页 |
| 2.2.3 AOA定位 | 第19页 |
| 2.2.4 RSSI定位 | 第19-20页 |
| 2.3 非参数化室内定位方法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 信号子空间与多维指纹库 | 第23-35页 |
| 3.1 信号子空间介绍 | 第23-28页 |
| 3.1.1 空间谱估计模型 | 第23-26页 |
| 3.1.2 信号子空间 | 第26-28页 |
| 3.2 多维指纹库 | 第28-30页 |
| 3.3 基于混合指纹库匹配的室内定位算法 | 第30-32页 |
| 3.4 实验仿真 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于机器学习的融合定位算法 | 第35-47页 |
| 4.1 梯度提升决策树 | 第35-36页 |
| 4.2 SFP_GBDT指纹库定位算法 | 第36-38页 |
| 4.3 基于多维指纹库的GBDT定位算法 | 第38-42页 |
| 4.3.1 多维指纹库定位框架 | 第38-39页 |
| 4.3.2 DTAM融合定位算法 | 第39-42页 |
| 4.4 实验仿真 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于USRP的室内定位实现 | 第47-61页 |
| 5.1 GNU Radio软件平台 | 第47-50页 |
| 5.1.1 GNU Radio软件结构和安装 | 第47-50页 |
| 5.1.2 GNU Radio中常用的block | 第50页 |
| 5.2 USRP硬件平台 | 第50-52页 |
| 5.3 室内定位实验 | 第52-57页 |
| 5.3.1 实验准备 | 第53-55页 |
| 5.3.2 实验数据采集 | 第55-57页 |
| 5.4 算法验证 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录2 攻读硕士学位期间申请的专利 | 第67-68页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第68-69页 |
| 致谢 | 第69页 |
