无线传感器网络汇聚节点信息融合算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 机场助航灯光单灯监控系统简介 | 第9页 |
| 1.2 无线传感器网络 | 第9-12页 |
| 1.2.1 无线传感器网络的发展历程 | 第9-11页 |
| 1.2.2 无线传感器网络的体系结构 | 第11-12页 |
| 1.3 无线传感器网络汇聚节点的信息处理方法 | 第12-14页 |
| 1.4 本文主要研究内容和结构安排 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 结构安排 | 第15-16页 |
| 第二章 无线传感器网络汇聚节点数据融合基本方法 | 第16-28页 |
| 2.1 无线传感器网络信息融合技术基本概念 | 第16-22页 |
| 2.1.1 数据融合的定义 | 第16-18页 |
| 2.1.2 数据融合的分类 | 第18-20页 |
| 2.1.3 数据融合的关键技术 | 第20-21页 |
| 2.1.4 数据融合技术的发展方向 | 第21-22页 |
| 2.2 无线传感器网络数据融合方法 | 第22-25页 |
| 2.2.1 基于D-S证据推理的融合方法 | 第22-23页 |
| 2.2.2 基于神经网络的融合方法 | 第23页 |
| 2.2.3 其它融合方法 | 第23-25页 |
| 2.3 助航灯光故障类型 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 神经网络的数据融合方法 | 第28-42页 |
| 3.1 基于BP神经网络的数据融合实现 | 第28-32页 |
| 3.1.1 数据的正传过程 | 第29页 |
| 3.1.2 误差的反传过程以及权重更新 | 第29-30页 |
| 3.1.3 权重更新阶段 | 第30-31页 |
| 3.1.4 BP神经网络的缺点 | 第31-32页 |
| 3.2 脉冲耦合神经网络基本模型 | 第32-36页 |
| 3.2.1 Eckhorn神经元模型 | 第32-34页 |
| 3.2.2 脉冲耦合神经网络模型 | 第34-35页 |
| 3.2.3 脉冲耦合神经网络模型的电路理论解释 | 第35-36页 |
| 3.3 脉冲耦合神经网络的工作原理 | 第36-41页 |
| 3.3.1 基于无耦合连接的PCNN | 第36-39页 |
| 3.3.2 基于耦合连接的PCNN | 第39-40页 |
| 3.3.3 脉冲耦合神经网络的基本特性 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 实验仿真结果及分析 | 第42-49页 |
| 4.1 BP软件实现分析 | 第42-45页 |
| 4.2 PCNN软件实现分析 | 第45页 |
| 4.3 PCNN在FPGA上实现性能分析 | 第45-48页 |
| 4.3.1 FPGA开发流程 | 第46页 |
| 4.3.2 FPGA软件开发环境 | 第46页 |
| 4.3.3 仿真结果 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-66页 |
| 作者简介 | 第66页 |
