01
定位技术概述
室内定位与室外定位的区别、常见定位技术（WiFi、蓝牙、UWB、GPS/北斗）的原理与特点。
基础概念
02
定位算法基础
三边测量法、三角测量法、指纹定位法的核心思想与数学原理。
数学原理
03
仿真环境搭建
Python + NumPy + Matplotlib 仿真环境配置，虚拟锚点与标签的生成。
环境Python
04
距离测量模型
基于信号强度（RSSI）的距离估算模型，对数路径损耗模型及其参数设置。
RSSI模型
05
三边定位算法实现
最小二乘法求解位置，代码实现与误差分析。
最小二乘实现
06
加权三边定位
基于距离置信度的加权最小二乘法，提升定位精度。
加权精度
07
指纹定位法
离线阶段指纹库构建，在线阶段KNN匹配算法实现。
指纹KNN
08
指纹定位优化
加权KNN、自适应K值选择、指纹库插值技术。
优化自适应
09
卡尔曼滤波基础
状态空间模型、预测与更新步骤，一维卡尔曼滤波实现。
滤波预测
10
扩展卡尔曼滤波（EKF）
非线性系统下的定位滤波，雅可比矩阵计算。
EKF非线性
11
粒子滤波（PF）
蒙特卡洛方法在定位中的应用，重采样策略。
粒子滤波蒙特卡洛
12
定位误差评估指标
均方根误差（RMSE）、累积分布函数（CDF）、克拉美罗下界（CRLB）。
评估指标
13
仿真数据生成
模拟移动轨迹（直线、曲线、随机游走），添加高斯噪声与异常值。
数据噪声
14
多传感器融合
IMU+UWB融合定位，松耦合与紧耦合架构对比。
融合IMU
15
仿真可视化
实时轨迹绘制、误差椭圆、热力图展示定位结果。
可视化Matplotlib
16
基站布局优化
锚点几何分布对定位精度的影响，GDOP（几何精度因子）分析。
布局GDOP
17
非视距（NLOS）识别与抑制
基于残差检测的NLOS识别，鲁棒定位算法。
NLOS鲁棒
18
动态环境自适应
信号传播模型在线校准，环境变化下的定位鲁棒性。
自适应校准
19
多目标定位
标签冲突处理，时分多址（TDMA）与频分多址（FDMA）仿真。
多目标TDMA
20
三维定位
三维空间三边定位、高度估计、3D误差分析。
3D高度
21
时间差定位（TDOA）
双曲线定位原理，Chan算法与Taylor级数法实现。
TDOA双曲线
22
到达角定位（AOA）
角度测量模型，三角定位法实现与误差分析。
AOA角度
23
混合定位
TDOA/AOA混合定位，加权融合策略。
混合融合
24
边缘计算定位
在资源受限设备上的轻量级定位算法仿真。
边缘轻量
25
深度学习定位
基于CNN/RSSI指纹的定位，神经网络训练与推理仿真。
深度学习CNN
26
强化学习定位
Q-learning在动态环境中的定位策略优化。
强化学习Q-learning
27
仿真结果统计分析
多次蒙特卡洛实验，置信区间计算，性能对比。
统计蒙特卡洛
28
定位系统性能测试
吞吐量、延迟、功耗的仿真评估方法。
性能测试
29
真实数据回放仿真
将实测数据导入仿真平台，验证算法有效性。
实测回放
30
综合项目实战
设计一个完整的室内定位仿真系统，从算法选型到结果分析的全流程。
项目实战