| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-32页 |
| ·课题研究背景与意义 | 第11-12页 |
| ·船舶动力定位系统简介 | 第12-16页 |
| ·船舶动力定位系统中无线传感器网络结构 | 第16-18页 |
| ·船舶动力定位无线传感器网络中数据融合的必要性分析 | 第18-20页 |
| ·课题相关领域研究现状 | 第20-29页 |
| ·船舶动力定位系统研究现状 | 第20-23页 |
| ·船舶动力定位系统中数据融合技术研究现状与不足 | 第23-25页 |
| ·无线传感器网络数据融合技术研究现状与不足 | 第25-29页 |
| ·研究内容 | 第29-31页 |
| ·论文的整体结构 | 第31-32页 |
| 第2章 基于节点协作的船舶运动状态信息融合 | 第32-66页 |
| ·基于节点关联性的动态组簇策略 | 第32-42页 |
| ·数据关联的理论基础 | 第33-37页 |
| ·传感器节点的动态组簇 | 第37-42页 |
| ·基于移动代理和蚁群算法的簇内节点协作融合 | 第42-54页 |
| ·节点最优权值的在线调节 | 第43-46页 |
| ·节点测量方差估计方法 | 第46-47页 |
| ·基于移动代理和蚁群遍历算法的簇内优化融合 | 第47-49页 |
| ·移动代理的优化调度 | 第49-50页 |
| ·仿真分析 | 第50-54页 |
| ·基于模糊自适应卡尔曼滤波算法的异类多传感器融合 | 第54-65页 |
| ·面向船舶状态估计的模糊自适应卡尔曼滤波模型 | 第55-59页 |
| ·模糊自适应卡尔曼滤波模型在WSN分簇结构中的实现 | 第59-61页 |
| ·仿真分析 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第3章 基于汇聚节点的控制决策融合 | 第66-93页 |
| ·基于BP神经网络的强汇聚节点融合模型 | 第66-76页 |
| ·汇聚节点融合结构原理 | 第67-68页 |
| ·汇聚节点融合结构设计 | 第68-70页 |
| ·实验分析 | 第70-76页 |
| ·基于DJC的支持向量机预测模型 | 第76-91页 |
| ·支持向量机预测模型概述 | 第76-78页 |
| ·支持向量机预测模型相空间重构 | 第78-81页 |
| ·汇聚节点中的DJC-SVM预测模型建立 | 第81-84页 |
| ·汇聚节点C_i~(sink)中SVM模型的局部更新 | 第84页 |
| ·仿真分析 | 第84-91页 |
| ·本章小结 | 第91-93页 |
| 第4章 无线传感器网络数据融合技术在船舶动力定位系统中的应用 | 第93-119页 |
| ·船舶动力定位系统中WSN数据融合的功能与结构模型 | 第93-97页 |
| ·卡尔曼滤波算法在船舶状态估计中的应用 | 第97-102页 |
| ·强汇聚节点融合结构在MPC控制中的应用 | 第102-110页 |
| ·基于分簇数据融合的动力定位系统路由协议设计及分析 | 第110-118页 |
| ·本章小结 | 第118-119页 |
| 第5章 总结与展望 | 第119-121页 |
| ·全文总结 | 第119-120页 |
| ·工作展望 | 第120-121页 |
| 参考文献 | 第121-130页 |
| 致谢 | 第130-131页 |
| 攻读博士学位期间发表的论文及参与的科研项目 | 第131-132页 |
| 攻读博士学位期间公开发表的学术论文 | 第131-132页 |
| 攻读博士学位期间参与的科研项目 | 第132页 |
