针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

1 电子商务 2 电子政务 3 电子医务 4 电子教务 5 CIMS 6 地理信息系统 7 MRP与ERP

1 系统实现 2 测试 3 过渡与评价

1 概述 2 输入设计 3 输出设计 4 屏幕界面设计

1 概述 2 业务对象模型设计 3 功能逻辑设计 4 类的优化

1 需求建模 2 需求分析20点

1 概述 2 需求捕获 3 需求分析 4 需求描述 5 需求审核

1 信息系统规划 2 信息系统规划方法 3 可行性研究

2.6 信息系统体系结构 2.7 信息系统类型 2.8 信息系统与信息科学的关系

西安石油大学计算机学院：《信息系统分析与设计 Information System Analysis and Design》课程教学资源（电子教材）目录