基于WiFi和指纹库匹配的室内定位算法研究

目录

声明

1 绪论

1.1 选题背景与意义

1.2 室内定位研究现状

1.2.1 室内定位技术

1.2.2 室内定位方法

1.2.3 指纹匹配方法

1.3 论文研究内容

1.4 论文结构安排

2 基于WiFi 指纹匹配定位分析

2.1 WiFi 信号概述

2.2 WiFi 指纹匹配方法定位分析

2.2.1 基本原理

2.2.2 定位分析

2.3 指纹匹配算法

2.3.1 确定性匹配算法

2.3.2 概率性匹配算法

2.4 匹配算法评价准则

2.5 小结

3 WiFi指纹库优化研究

3.1 影响RSSI 因素分析

3.1.1 实验环境

3.1.2 AP节点

3.1.3 接收端朝向

3.1.4 接收端采集时间

3.2 RSSI 降噪处理

3.2.1 平滑均值滤波

3.2.2 高斯滤波

3.2.3 改进高斯滤波

3.2.4 实验结果与分析

3.3 WiFi 指纹库聚类

3.3.1 聚类在WiFi指纹库的应用

3.3.2 传统聚类分析

3.3.3 聚类有效性指标

3.4 小结

4 指纹匹配法的优化算法

4.1 聚类算法

4.1.1 K-means算法

4.1.2 K-means算法存在的问题

4.2 K-means 优化算法

4.2.1 手肘法+轮廓系数法

4.2.2 Canopy算法

4.2.3 Canopy+K-means双重聚类

4.3 匹配算法优化

4.3.1 WKNN算法改进

4.3.2 贝叶斯概率优化算法

4.3.3 指纹匹配优化算法

4.4 实验分析

4.4.1 聚类个数k

4.4.2 指纹匹配优化效果

4.5 小结

5 定位系统的设计与实现

5.1 系统总体架构

5.2 系统开发平台

5.2.1 Android操作系统

5.2.2 Android Studio开发工具

5.3 系统设计与实现

5.3.1 系统主要功能模块

5.3.2 本地管理设计

5.3.3 客户前端设计

5.4 小结

6 总结与展望

6.1 总结

6.2 展望

致 谢

参考文献

个人简历、在学期间发表的学术论文及取得的研究成果