| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 符号表 | 第5-8页 |
| 第1章 前言 | 第8-11页 |
| ·建筑火灾预警的背景及其意义 | 第8页 |
| ·国内外火灾预警技术的发展状况 | 第8-10页 |
| ·论文的主要工作和章节安排 | 第10-11页 |
| 第2章 ZIGBEE技术及其应用 | 第11-16页 |
| ·ZIGBEE技术简介 | 第11-12页 |
| ·ZIGBEE协议栈结构 | 第12页 |
| ·ZIGBEE网络结构 | 第12-13页 |
| ·ZIGBEE技术特征 | 第13-14页 |
| ·ZIGBEE在火灾预警系统中的应用 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第3章 建筑火灾预警系统的设计 | 第16-33页 |
| ·建筑火灾预警系统的总体设计 | 第16页 |
| ·基于ZIGBEE技术的无线传感器网络的搭建 | 第16-17页 |
| ·系统硬件设计 | 第17-26页 |
| ·系统硬件总体设计概述 | 第17-18页 |
| ·火灾探测器硬件设计 | 第18-26页 |
| ·监控平台硬件设计 | 第26页 |
| ·系统软件设计 | 第26-32页 |
| ·开发环境的建立 | 第26-28页 |
| ·精简版ZigBee2004 协议栈软件包简介 | 第28-30页 |
| ·火灾探测器软件设计 | 第30-31页 |
| ·监控平台软件设计 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于主成份分析的神经网络理论及其在火灾信息识别中的应用 | 第33-48页 |
| ·PCA概述 | 第33-38页 |
| ·PCA算法实现原理 | 第33-38页 |
| ·PCA主要特点及应用 | 第38页 |
| ·人工神经网络的基本概念 | 第38-39页 |
| ·神经网络的拓扑结构 | 第38页 |
| ·神经网络的学习规则 | 第38-39页 |
| ·基于PCA的BP神经网络理论及其在火灾信息识别中的应用 | 第39-43页 |
| ·BP神经网络的学习过程 | 第39-41页 |
| ·BP神经网络的主要特点 | 第41页 |
| ·PCA-BP组合模型 | 第41-42页 |
| ·基于PCA的BP神经网络在火灾信息识别中的应用 | 第42-43页 |
| ·基于PCA的LVQ神经网络理论及在火灾信息识别中的应用 | 第43-47页 |
| ·LVQ网络简介 | 第43-44页 |
| ·LVQ网络的学习规则 | 第44-45页 |
| ·PCA-LVQ组合模型 | 第45-46页 |
| ·基于PCA的LVQ神经网络在火灾信息识别中的应用 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 建筑火灾预警系统仿真 | 第48-58页 |
| ·仿真平台的搭建 | 第48页 |
| ·人机交互界面简介 | 第48-50页 |
| ·火灾信息的采集 | 第50-52页 |
| ·火灾信息的识别与分类 | 第52-55页 |
| ·算法结构 | 第52-53页 |
| ·算法仿真 | 第53-55页 |
| ·算法实现 | 第55页 |
| ·火源定位和温场构建 | 第55-57页 |
| ·本章小节 | 第57-58页 |
| 总结 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1：实现火灾信息采集的主程序代码 | 第62-70页 |
| 附录2：实现火灾识别，温场描绘，火源定位的主程序代码 | 第70-77页 |
| 附录3：实现PCA-BP 算法程序 | 第77-80页 |
| 附录4：攻读硕士学位期间的科研成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 个人简历 | 第82页 |
