| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 关于无线传感器网络的国内外研究现状 | 第12-13页 |
| 1.2.2 关于无线传感器网络故障诊断的国内外研究现状 | 第13-20页 |
| 1.3 本文主要研究内容 | 第20-21页 |
| 1.4 本文组织结构 | 第21-23页 |
| 第二章 相关知识 | 第23-37页 |
| 2.1 无线传感器网络概述 | 第23-28页 |
| 2.1.1 无线传感器网络的基本概念 | 第23-25页 |
| 2.1.2 无线传感器节点的特征 | 第25-27页 |
| 2.1.3 无线传感器节点的能耗模型 | 第27-28页 |
| 2.2 故障诊断问题相关概述 | 第28-33页 |
| 2.2.1 无线传感器网络故障类型 | 第28-30页 |
| 2.2.2 系统测试模型 | 第30-32页 |
| 2.2.3 传感器节点的时空相关性原理 | 第32-33页 |
| 2.3 概率论相关知识 | 第33-36页 |
| 2.3.1 概率论基本知识 | 第34-35页 |
| 2.3.2 古典概型 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 复杂环境下基于聚类的WSN故障诊断算法 | 第37-61页 |
| 3.1 引言 | 第37-38页 |
| 3.2 相关工作 | 第38-39页 |
| 3.3 预备知识 | 第39-43页 |
| 3.3.1 网络模型和故障模型 | 第39-40页 |
| 3.3.2 故障诊断相关知识 | 第40-42页 |
| 3.3.3 经典的K-means算法 | 第42-43页 |
| 3.4 复杂环境下基于聚类的WSN故障诊断算法 | 第43-51页 |
| 3.4.1 基于K-means算法对WSN分群 | 第44-46页 |
| 3.4.2 复杂环境下基于聚类的WSN故障诊断算法 | 第46-51页 |
| 3.5 理论分析 | 第51-56页 |
| 3.6 仿真实验结果及分析 | 第56-60页 |
| 3.7 本章小结 | 第60-61页 |
| 第四章 基于节能的WSN故障诊断算法 | 第61-79页 |
| 4.1 引言 | 第61页 |
| 4.2 相关工作 | 第61-63页 |
| 4.3 预备知识 | 第63-65页 |
| 4.3.1 网络模型和故障模型 | 第63-64页 |
| 4.3.2 故障诊断相关知识 | 第64-65页 |
| 4.3.3 传感器节点能量消耗模型 | 第65页 |
| 4.4 基于节能的WSN故障诊断算法 | 第65-70页 |
| 4.5 理论分析 | 第70-74页 |
| 4.6 仿真实验结果及分析 | 第74-77页 |
| 4.7 本章小结 | 第77-79页 |
| 第五章 总结与展望 | 第79-81页 |
| 5.1 总结 | 第79-80页 |
| 5.2 展望 | 第80-81页 |
| 参考文献 | 第81-88页 |
| 攻读学位期间主要科研成果 | 第88-89页 |
| 致谢 | 第89-90页 |