随着WiFi技术的发展，IEEE802.11n系列通信协议及其之后的无线局域网协议应用了多输入多输出（multiple－input multiple－output，MI-MO）和正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）等技术，使得WiFi收发设备之间的信道特征可以在物理层进行估计，并以信道状态信息（channel status information，CSI）的形式存储下来。实验使用一个无线路由AP作为发射机（共2根发射天线），使用一台配备了Intel WiFi Link 5300无线网卡和Ｕbuntu操作系统的台式机作为接收机（共3根接收天线）。通过修改NIC的设备驱动程序，来读取每个数据包接收时以CSI的形式记录在硬件中的CSI值，并生成包含CSI信息的dat文件。这些dat文件是以二进制进行保存的，最后我们还要使用MATLAB或者Python程序来读取dat文件，从而获取丰富的csi信息。每个位置点测试1500个数据包。

基于压缩感知的室内定位系统研究，杨朝齐，，随着移动互联网的高速发展，人们对于位置信息的要求越来越高，特别是在室内定位技术领域，仍需要不断提高其精确性和稳定性。本文

室内位置 一个使用matlab的室内定位框架，该框架包含了主流的室内定位算法。

基于光学相机通信的室内定位仿真，黄韦维，吕召彪，基于光学相机的通信系统，通过对LED灯传输信号的调制和利用相机的卷帘快门特性，可以实现室内定位的功能。本文对该类系统进行建模

在基于iBeacon技术的指纹库室内定位算法中，由于室内环境中人员走动、多径效应等因素所带来的噪声影响，需要加以抑制。卡尔曼滤波算法可以用来抑制这些噪声，进而建立可信（即更接近真实值）的指纹库。重点研究在使用卡尔曼滤波算法时，根据具体的室内环境进行测量，估算出不同iBeacon节点的观测噪声以及卡尔曼滤波算法的迭代初值，使卡尔曼滤波算法更快收敛。实验结果表明，通过卡尔曼滤波算法建立的指纹库比通过平均值建立的指纹库，定位精确度和稳定度均有明显的提升。

摘要I目 录 V表目录 X第 1 章绪论 11.1研究背景与意义 11.2国内外研究现状 21.2.1UWB 定位的研究现状 21.2.2惯性导航的研究现状 3

基于RSSI的室内定位系统，适用于物联网工程专业的大学生，以及对此感兴趣的人群

马尔可夫蒙特卡罗的室内定位算法.pdf

多传感器组合的行人室内定位算法研究.pdf

4.8 在线识别 （@冒顿翻译） 在kaldi 的工具集里有好几个程序可以用于在线识别。这些程序都位在 src/onlinebin文件夹里，他们是由src/online文件夹里的文件编译而成(你现在可以 用make ext 命令进行编译).这些程序大多还需要tools文件夹中的portaudio 库文 件支持， portaudio 库文件可以使用tools文件夹中的相应脚本文件下载安装。 这些程序罗列如下： online-gmm-decode-faster: 从麦克风中读取语音，并将识别结果输出到控制台 online-wav-gmm-decode-faster:读取wav文件列表中的语音，并将识别结果以指 定格式输出。 online-server-gmm-decode-faster:从UDP连接数据中获取语音MFCC向量，并将 识别结果打印到控制台。 online-net-client :从麦克风录音，并将它转换成特征向量，并通过UDP连接发 送给online-server-gmm-decode-faster