| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景、目的及意义 | 第8-9页 |
| 1.2 无线传感网络目标跟踪研究进展 | 第9-12页 |
| 1.2.1 无线传感器网络目标跟踪面临的问题 | 第9-10页 |
| 1.2.2 无线传感器网络的目标跟踪研究现状 | 第10-12页 |
| 1.3 滤波跟踪理论算法研究进展 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 1.5 论文结构安排 | 第14-15页 |
| 第二章 粒子滤波基础 | 第15-33页 |
| 2.1 动态空间模型 | 第15-16页 |
| 2.2 贝叶斯估计理论 | 第16-18页 |
| 2.2.1 贝叶斯定理 | 第16-17页 |
| 2.2.2 贝叶斯信号处理方法 | 第17-18页 |
| 2.3 蒙特卡罗基本原理 | 第18-19页 |
| 2.4 序贯蒙特卡罗信号处理 | 第19-22页 |
| 2.4.1 基于贝叶斯采样估计的序贯重要性采样算法 | 第20-22页 |
| 2.5 粒子滤波 | 第22-32页 |
| 2.5.1 标准粒子滤波算法 | 第22-24页 |
| 2.5.2 粒子滤波关键技术 | 第24-28页 |
| 2.5.2.1 重要密度函数 | 第25-26页 |
| 2.5.2.2 重采样原理 | 第26-28页 |
| 2.5.3 粒子滤波在目标跟踪的应用仿真 | 第28-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 分布式滤波结构及算法 | 第33-44页 |
| 3.1 分布式动态分簇结构 | 第33-36页 |
| 3.1.1 簇的建立 | 第34页 |
| 3.1.2 簇的更新 | 第34-36页 |
| 3.2 分布式卡尔曼滤波 | 第36-37页 |
| 3.2.1 分布式卡尔曼预测滤波算法 | 第36-37页 |
| 3.3 分布式粒子滤波方法 | 第37-43页 |
| 3.3.1 分布式信息粒子滤波算法 | 第38-39页 |
| 3.3.2 分布式并行粒子滤波算法 | 第39-42页 |
| 3.3.4 算法比较分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 分布式粒子滤波在无线传感器网络目标跟踪应用 | 第44-56页 |
| 4.1 模型建立 | 第44-46页 |
| 4.2 实验仿真 | 第46-54页 |
| 4.4 仿真分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 研究工作总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63页 |