內容簡介
本書重點對基於WLAN的位置指紋室內定位技術進行了較為深入的歸納和總結。內容着眼實用,以LBS為研究應用背景,圍繞提高RSS信號的可信度這一關鍵問題,以提高室內定位的可靠性和有效性為研究目標,闡述基礎理論,采用軟件與硬件結合、仿真和實驗並重的研究方法,對WLAN指紋定位的定位區域聚類、AP選擇、RSS信號定位特征提取等主要技術環節進行了論述。
目錄
序
前言
第1章引言
1.1位置信息服務
1.2LBS定位技術的發展
1.3定位技術的新挑戰
本章小結
第2章位置服務與定位技術
2.1定位技術的發展
2.2無線局域網與室內定位
2.3LBS的發展及應用
2.3.1LBS的發展
2.3.2LBS的應用
2.4基於WLAN的室內定位技術
2.5典型的室內定位系統
2.5.1早期的室內定位系統
2.5.2基於WLAN位置指紋的室內定位系統
本章小結
第3章位置指紋和WLAN定位理論
3.1WLAN室內定位技術
3.1.1WLAN基本工作原理
3.1.2基本定位方法
3.2位置指紋定位技術
3.2.1WLAN指紋定位基本工作原理
3.2.2位置指紋數據庫
3.2.3位置指紋定位算法
本章小結
第4章基於IDGD模型的定位算法
4.1RSS的統計分布特性
4.1.1RSS與位置匹配的關系
4.1.2人對RSS的影響
4.1.3接收器朝向對RSS的影響
4.1.4樣本數量對RSS的影響
4.2基於IDGD模型的室內定位算法
4.2.1RSS分布特征
4.2.2雙峰高斯模型
4.2.3基於IDGD的室內定位算法
4.3實驗結果與分析
本章小結
第5章RSS信號預處理
5.1成分分析與核函數
5.1.1Mercer定理
5.1.2基於核的Fisher判別分析
5.1.3核直接判別分析法(KD—LDA)
5.2基於信息增益權重的AP選擇算法
5.2.1信息增益權重准則
5.2.2信息增益計算
5.3聯合核直接判別和AP選擇的定位算法
5.4實驗結果與分析
5.4.1AP選擇算法分析
5.4.2特征選擇算法分析
本章小結
第6章基於機器學習的室內定位算法
6.1聚類算法的研究現狀
6.2白化的RSS信號k—means聚類算法
6.2.1數據預處理
6.2.2參數設定
6.3基於白化RSS信號的k—means聚類與SVR學習定位算法
6.4實驗結果與分析
6.4.1聚類算法分析
6.4.2SVR定位參數分析
6.4.3算法復雜度分析
6.4.4機器學習算法定位性能
本章小結
參考文獻
前言
第1章引言
1.1位置信息服務
1.2LBS定位技術的發展
1.3定位技術的新挑戰
本章小結
第2章位置服務與定位技術
2.1定位技術的發展
2.2無線局域網與室內定位
2.3LBS的發展及應用
2.3.1LBS的發展
2.3.2LBS的應用
2.4基於WLAN的室內定位技術
2.5典型的室內定位系統
2.5.1早期的室內定位系統
2.5.2基於WLAN位置指紋的室內定位系統
本章小結
第3章位置指紋和WLAN定位理論
3.1WLAN室內定位技術
3.1.1WLAN基本工作原理
3.1.2基本定位方法
3.2位置指紋定位技術
3.2.1WLAN指紋定位基本工作原理
3.2.2位置指紋數據庫
3.2.3位置指紋定位算法
本章小結
第4章基於IDGD模型的定位算法
4.1RSS的統計分布特性
4.1.1RSS與位置匹配的關系
4.1.2人對RSS的影響
4.1.3接收器朝向對RSS的影響
4.1.4樣本數量對RSS的影響
4.2基於IDGD模型的室內定位算法
4.2.1RSS分布特征
4.2.2雙峰高斯模型
4.2.3基於IDGD的室內定位算法
4.3實驗結果與分析
本章小結
第5章RSS信號預處理
5.1成分分析與核函數
5.1.1Mercer定理
5.1.2基於核的Fisher判別分析
5.1.3核直接判別分析法(KD—LDA)
5.2基於信息增益權重的AP選擇算法
5.2.1信息增益權重准則
5.2.2信息增益計算
5.3聯合核直接判別和AP選擇的定位算法
5.4實驗結果與分析
5.4.1AP選擇算法分析
5.4.2特征選擇算法分析
本章小結
第6章基於機器學習的室內定位算法
6.1聚類算法的研究現狀
6.2白化的RSS信號k—means聚類算法
6.2.1數據預處理
6.2.2參數設定
6.3基於白化RSS信號的k—means聚類與SVR學習定位算法
6.4實驗結果與分析
6.4.1聚類算法分析
6.4.2SVR定位參數分析
6.4.3算法復雜度分析
6.4.4機器學習算法定位性能
本章小結
參考文獻
網路書店
類別
折扣
價格
-
新書87折$339