目录
一、前言
二、选题的目的和意义
三、选题现状分析
四、选题趋势分析
一、前言
本博文采用了图表统计法分析了近5年来100余篇高被引室内定位领域硕士论文选题的现状，并从选题现状中得出了该领域选题的大致趋势。本文还通过分析该领域硕士毕业论文选题的现状和趋势，对未来该领域选题提出了自己的见解和展望。
二、选题的目的和意义
无论是大学生还是研究生，最后都要面临毕业，而毕业就要写对应的学位论文。特别是对于研究生来说，论文的研究层次自然要更高一点，而怎么写好学位论文，论文的选题便显得至关重要了。在双盲审的大背景下，学位论文的选题和内容的创新是衡量论文质量的重要因素。一般来说，学位论文的选题是一篇论文的龙头，只有经过深思熟虑，有了大致的思维才能选好题。一个好的毕业论文题目，能够提前对文章作出基本的估计。
三、选题现状分析
本文以室内定位为研究背景，通过阅读和整理近五年来各大高校在该领域硕士毕业论文选题的相关情况，分析了该选题涉及的技术及选题本身。我将2017-2021年室内定位领域高被引硕士论文前20篇做了个简单的统计。该表格统计了每种定位技术的篇数、选题上所结合的算法（不对论文中涉及的算法做统计）、融合了哪些其它的技术等方面的具体情况。下表2.1是2017年高被引硕士论文选题前20篇数据整理。（数据来源知网）
从大体上来看2017年室内定位领域硕士论文选题，WiFi和蓝牙研究热度不减，且一般喜欢和RSSI指纹定位算法结合，视觉和超宽带（UWB）研究热度很大，视觉定位一般和SLAM算法结合起来。2017年的硕士学位论文选题虽然有4篇研究具体算法的选题，但总体选题还是偏大，选题不够精炼明确，大多是xx技术+室内定位，缺乏一些具体场景，给人一种假大空的感觉。那么再来看2018年的数据，下表2.2是2018年高被引前20篇选题数据表。（数据来源知网）
从大体上来看，WiFi和蓝牙依旧被研究的比较多，但对比前一年来说，选题开始结合一些具体的算法，而不是进行大范围的选题，并且开始融合其它的技术来弥补单一技术的不足。可以看见WiFi和蓝牙定位技术，偏向于结合位置指纹算法，视觉定位技术偏向于结合深度学习算法。一些基于RSSI信号的定位技术，开始找寻一些合适的滤波方法来过滤异常值了。UWB定位技术研究热度上涨。再来看2019年的数据，下表2.3是2019年高被引前20篇选题数据表。（数据来源知网）
2019年WiFi和蓝牙的研究热度有所下降，作为研究的比较多且久的两种定位技术，已经被研究的非常透彻了，比较难找到创新点。UWB定位技术研究热度很大，且结合了一些具体的算法，比如位置指纹、TDOA定位算法等。视觉定位技术依旧有人研究，且一般喜欢结合深度学习算法使用。超声波定位技术从18年就已经很少有人研究了，源于其应用场景较少，一般用于隧道等大场景定位，高校一般很难给学生提供这样的场景。 再来看2020年的数据，下表2.4是2020年高被引前20篇选题数据表。（数据来源知网）
从2020年的数据来看，很多定位算法偏向结合机器学习和深度学习算法了。UWB定位技术的选题热度不减，依旧研究的比较火热。而视觉定位的研究热度依然保持平衡，且偏向于与深度学习和SLAM算法结合。再来看2021年的数据，下表2.5是2021年高被引前20篇选题数据表。（数据来源知网）
从2021年的数据来看，室内定位技术普遍偏向于结合深度学习算法，而且在群体智能火热的时期，有种两者结合的趋势。UWB定位技术与视觉定位技术处于比较火热的研究状态。而且大体上，论文的选题没有之前那样的假大空，更多的是结合一些具体的算法，抑或是结合具体的场景进行多技术融合。
四、选题趋势分析
从2017到2021年室内定位论文选题来看，论文选题由原来的大范围逐渐缩小，并慢慢结合一些具体的算法和情景。WiFi和蓝牙定位技术的研究热度在逐年递减，因为这两项技术的研究比较成熟和广泛，创新空间较小。并且大部分定位技术开始从结合机器学习到深度学习转变。视觉定位技术和UWB定位技术在最近几年研究的比较火热，且视觉定位研究热度有上升的空间。在利用RSSI算法进行室内定位时，基于测距的RSSI算法不如基于位置指纹的RSSI算法的热度高。并且在RSSI滤波算法上，大体上呈现高斯滤波到卡尔曼滤波到扩展卡尔曼滤波再到无迹卡尔曼滤波最后到粒子滤波的过渡状态。我们可以瞥见，研究单一室内定位技术的少了，研究某个具体定位算法的多了，论文选题大且空的少了，选题结合具体算法和场景的多了，单一学科的研究少了，多学科融合的研究多了。单一的技术和单一的算法选题似乎已经很难满足将来的室内定位研究了。
作者每篇博文都是用心去写的，喜欢的可以多多支持和收藏，创作不易，未经作者允许，请勿转载或者抄袭。
