2.4GHz无线传感器网络信号人工林环境路径损耗研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-13页 |
| ·研究意义 | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·WSN研究 | 第9-11页 |
| ·2.4GHz WSN信号林中传输机理研究 | 第11-12页 |
| ·本文的研究内容 | 第12-13页 |
| 2. 信号传输机理与算法理论 | 第13-25页 |
| ·信号传输机理 | 第13-14页 |
| ·小波回归分析 | 第14-17页 |
| ·小波分析原理 | 第14-16页 |
| ·小波分析特点 | 第16页 |
| ·一元多项式回归 | 第16-17页 |
| ·SVM支持向量机 | 第17-22页 |
| ·统计学习理论 | 第17-18页 |
| ·SVM原理 | 第18-20页 |
| ·SVM网络结构 | 第20-21页 |
| ·SVM特点 | 第21-22页 |
| ·BP神经网络 | 第22-23页 |
| ·BP神经网络结构 | 第22页 |
| ·BP神经网络特点 | 第22-23页 |
| ·算法的局限性和改进 | 第23页 |
| ·本章小结 | 第23-25页 |
| 3. 2.4GHz WSN信号路径损耗实验 | 第25-33页 |
| ·实验地点及环境 | 第25页 |
| ·实验设备 | 第25-28页 |
| ·场强仪 | 第25-26页 |
| ·IRIS节点 | 第26-27页 |
| ·接收天线 | 第27-28页 |
| ·实验方法与结果 | 第28-30页 |
| ·实验数据处理 | 第30-32页 |
| ·实际场强的计算 | 第30-31页 |
| ·发射端场强的计算 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4. 2.4GHz WSN信号场强预测模型的建立 | 第33-49页 |
| ·小波回归分析模型的建立 | 第33-38页 |
| ·小波基及分解层次L的选择 | 第33-35页 |
| ·多项式回归次数的确定 | 第35-37页 |
| ·模型的预测 | 第37-38页 |
| ·SVM支持向量机模型的建立 | 第38-43页 |
| ·数据预处理 | 第39-40页 |
| ·SVM参数的选择 | 第40-42页 |
| ·模型的预测 | 第42-43页 |
| ·BP神经网络模型的建立 | 第43-48页 |
| ·神经网络层数的确定 | 第44页 |
| ·传递函数的确定 | 第44-45页 |
| ·每层节点数的确定 | 第45-47页 |
| ·训练算法的确定 | 第47页 |
| ·模型的预测 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5. 模型比较与最大有效通信距离的预测 | 第49-56页 |
| ·模型比较 | 第49-52页 |
| ·最大有效通信距离的预测 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 6. 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 个人简介 | 第62-63页 |
| 导师简介 | 第63-64页 |
| 获得成果目录 | 第64-65页 |
| 致谢 | 第65页 |
