| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-22页 |
| ·选题背景和意义 | 第12-13页 |
| ·课题研究现状和发展趋势 | 第13-18页 |
| ·WSNs 中数据融合技术的研究进展 | 第13-14页 |
| ·时空相关性在数据融合应用中的研究进展 | 第14-18页 |
| ·论文工作及论文结构 | 第18-22页 |
| ·论文主要内容 | 第18-19页 |
| ·论文主要创新点 | 第19-20页 |
| ·论文组织结构 | 第20-22页 |
| 第二章 WSNs数据融合时空相关性分析 | 第22-36页 |
| ·时空相关性定义 | 第22-23页 |
| ·数据融合模型 | 第23-24页 |
| ·点源信号的时空相关性模型 | 第24-31页 |
| ·点源信号模型 | 第24-26页 |
| ·点源信号的时间相关性模型 | 第26-27页 |
| ·点源信号的空间相关性模型 | 第27-28页 |
| ·点源信号的时空相关性模型 | 第28-31页 |
| ·点源信号时空相关性分析 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 VSS--能量高效的数据融合算法 | 第36-49页 |
| ·应用于WSNs 路由技术中的数据融合技术 | 第36-38页 |
| ·基于分簇的路由算法 | 第36-38页 |
| ·基于分簇思想的自适应采样算法 | 第38页 |
| ·基于空间相关性分簇机制研究 | 第38-42页 |
| ·网络结构 | 第38-39页 |
| ·虚拟簇定义 | 第39-40页 |
| ·虚拟簇形成 | 第40-42页 |
| ·基于时空相关性采样机制研究 | 第42-45页 |
| ·虚拟采样算法 | 第42-44页 |
| ·最小均方估计 | 第44-45页 |
| ·实验结果及分析 | 第45-48页 |
| ·融合结果分析 | 第45-46页 |
| ·能源消耗分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于时空相关性WSNs自适应数据融合算法研究 | 第49-62页 |
| ·时空融合模式 | 第49-51页 |
| ·基于时间相关性自适应数据融合算法研究 | 第51-53页 |
| ·采样状态转换 | 第51-52页 |
| ·采样频率自适应调整算法 | 第52-53页 |
| ·基于空间相关性自适应数据融合算法研究 | 第53-57页 |
| ·空间融合模式 | 第53-54页 |
| ·空间状态转换 | 第54-55页 |
| ·空间融合度自适应调整算法 | 第55-57页 |
| ·实验结果及分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于空间相关性的主动缓冲管理算法 | 第62-72页 |
| ·问题描述 | 第62-64页 |
| ·基于空间相关性研究主动缓冲管理算法的意义 | 第62-63页 |
| ·典型主动缓冲管理算法简介 | 第63-64页 |
| ·系统模型 | 第64-65页 |
| ·网络模型 | 第64页 |
| ·缓冲模型 | 第64-65页 |
| ·基于空间相关性的主动缓冲管理算法研究 | 第65-69页 |
| ·计算队列丢失数据包的概率 | 第65-66页 |
| ·选择丢弃数据包 | 第66-67页 |
| ·基于空间相关性主动缓冲管理算法 | 第67-69页 |
| ·实验结果及分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| ·研究工作总结 | 第72-73页 |
| ·下一步工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 作者在学期间取得的学术成果 | 第80页 |