| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文研究主要内容及组织结构 | 第10-12页 |
| 2 无线传感器网络及数据融合技术 | 第12-30页 |
| 2.1 无线传感器网络 | 第12-15页 |
| 2.1.1 无线传感器网络的特性 | 第12-13页 |
| 2.1.2 无线传感器网络的关键技术 | 第13-15页 |
| 2.2 数据融合技术的定义与作用 | 第15-16页 |
| 2.2.1 数据融合技术的定义 | 第15页 |
| 2.2.2 数据融合技术的作用 | 第15-16页 |
| 2.3 数据融合的分类 | 第16-20页 |
| 2.3.1 根据融合前后信息量的变化分类 | 第16-17页 |
| 2.3.2 根据数据融合处理的方式进行分类 | 第17页 |
| 2.3.3 根据数据的抽象级别分类 | 第17-19页 |
| 2.3.4 根据网络层次进行分类 | 第19-20页 |
| 2.4 以数据为中心的数据融合方法 | 第20-25页 |
| 2.4.1 基于估计的方法 | 第21-22页 |
| 2.4.2 基于统计的方法 | 第22-23页 |
| 2.4.3 信息论方法 | 第23-24页 |
| 2.4.4 人工智能方法 | 第24-25页 |
| 2.5 基于网络结构的融合算法 | 第25-29页 |
| 2.5.1 平面结构的数据融合算法 | 第25-26页 |
| 2.5.2 基于分簇结构的数据融合算法 | 第26-27页 |
| 2.5.3 基于链式结构的数据融合算法 | 第27-28页 |
| 2.5.4 基于树型结构的数据融合算法 | 第28-29页 |
| 2.5.5 基于网格结构的数据融合算法 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 指数衰减型支持度函数的改进及在WSN数据融合中的应用 | 第30-42页 |
| 3.1 支持度函数基础 | 第30-31页 |
| 3.2 几种常用的支持度函数 | 第31-33页 |
| 3.3 指数衰减型支持度函数的改进 | 第33-34页 |
| 3.3.1 指数衰减型支持度函数 | 第33-34页 |
| 3.3.2 引入自支持度的支持度函数改进算法 | 第34页 |
| 3.4 改进支持度函数在WSN中的应用 | 第34-36页 |
| 3.4.1 基于改进的支持度函数的数据一致性度量计算 | 第34-35页 |
| 3.4.2 使用改进的支持度函数计算WSN的数据融合估计值 | 第35-36页 |
| 3.5 模拟测试 | 第36-40页 |
| 3.5.1 测试方案 | 第36-37页 |
| 3.5.2 三种数据融合算法的模拟结果对比分析 | 第37-38页 |
| 3.5.3 含有异常数据的融合结果 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 4 二次数据融合模型的研究 | 第42-51页 |
| 4.1 无线信道能耗模型 | 第42-44页 |
| 4.2 二次数据融合模型 | 第44-47页 |
| 4.2.1 二次数据融合模型的应用背景 | 第44页 |
| 4.2.2 二次数据融合模型的流程 | 第44-45页 |
| 4.2.3 二次数据融合模型的实现 | 第45-47页 |
| 4.3 二次融合模型的性能分析 | 第47-48页 |
| 4.4 模拟测试 | 第48-50页 |
| 4.4.1 测试方案 | 第48页 |
| 4.4.2 阈值τ选定 | 第48-49页 |
| 4.4.3 数据融合结果 | 第49页 |
| 4.4.4 节能效果 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
| A. 作者在攻读学位期间发表的论文目录 | 第58页 |
| B. 作者在攻读硕士学位期间参加的科研项目目录 | 第58页 |
