基于深度生成模型的WiFi室内定位算法研究

目录

声明

第1 章绪论

1.1 课题背景

1.2 研究现状及存在问题

1.2.1 室内定位技术研究现状

1.2.2 室内定位中的指纹库构建研究现状

1.2.3 存在问题

1.3 主要贡献

1.4 组织结构

第2 章相关工作

2.1 相关深度学习模型

2.1.1 变分自编码器

2.1.2 条件变分自动编码器

2.2 相关WiFi指纹室内定位算法

2.2.1 Modellet

2.2.2 RADAR

2.3 本章小结

第3 章基于深度生成模型的WiFi 室内定位算法

3.1 DeepPrint 算法概述

3.2 SCVAE模型设计

3.2.1 SCVAE组成

3.2.2 模型的可伸缩性

3.2.3 SCVAE的训练策略和损失函数

3.3 虚拟指纹生成与在线定位

3.4 算法实现

3.4.1 软硬件实现环境

3.4.2 Tensorflow与 Keras 简介

3.4.3 SCVAE模型的实现

3.4.4 虚拟指纹生成器和在线定位的实现

3.5 本章小结

第4 章性能评价

4.1 实验设置

4.1.1 实验场景

4.1.2 模型参数与训练参数

4.2 实验方法

4.2.1 数据集

4.2.2 评价方法

4.3虚拟指纹库精度

4.3.1带标签数据量对定位精度的影响

4.3.2 SCVAE虚拟指纹库精度评价

4.4 定位误差

4.5 无标签数据量对定位精度的影响

4.6 预训练的效果

4.7 模型消耗时间测评

4.8 本章小结

第5 章总结与展望

5.1 本文总结

5.2 研究展望

参考文献

发表论文和参加科研情况说明

致谢