| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景与意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 森林火灾监测技术 | 第13-14页 |
| 1.2.2 无线传感器网络及其数据融合技术 | 第14页 |
| 1.3 本文研究内容及创新点 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 无线传感器网络概述及其数据融合相关技术 | 第17-33页 |
| 2.1 WSN 的体系结构 | 第17-21页 |
| 2.1.1 节点结构 | 第18-19页 |
| 2.1.2 网络拓扑结构 | 第19-20页 |
| 2.1.3 协议栈结构 | 第20-21页 |
| 2.2 WSN 的特点和关键技术 | 第21-22页 |
| 2.3 WSN 的性能评估 | 第22-23页 |
| 2.4 数据融合的概念和分类 | 第23-26页 |
| 2.4.1 数据融合的概念 | 第23-25页 |
| 2.4.2 数据融合的分类 | 第25-26页 |
| 2.5 基于 WSN 的数据融合系统模型 | 第26-27页 |
| 2.6 典型数据融合算法简介 | 第27-32页 |
| 2.6.1 变步长最小均方误差 | 第27-29页 |
| 2.6.2 基于神经网络的数据融合算法 | 第29-31页 |
| 2.6.3 基于熵的数据融合算法 | 第31-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 面向森林防火监测的数据融合算法 | 第33-49页 |
| 3.1 基于分层聚簇的 WSN 网络设计 | 第33-34页 |
| 3.2 基于簇状 WSN 的数据融合算法框架 | 第34-35页 |
| 3.3 传感器节点数据预处理 | 第35-36页 |
| 3.3.1 异质传感器数据同质化 | 第35页 |
| 3.3.2 错误传感器数据识别 | 第35-36页 |
| 3.4 簇内传感器节点数据级融合算法 | 第36-37页 |
| 3.5 簇头节点决策级融合算法 | 第37-40页 |
| 3.5.1 证据理论 | 第38页 |
| 3.5.2 基于 DST 的决策级融合算法 | 第38-40页 |
| 3.6 实验分析 | 第40-47页 |
| 3.6.1 实验环境及数据采集 | 第40-41页 |
| 3.6.2 结果分析 | 第41-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第四章 基于 WSN 数据融合算法的森林火灾监测系统 | 第49-65页 |
| 4.1 系统概述 | 第49-52页 |
| 4.1.1 系统总体架构 | 第49-50页 |
| 4.1.2 系统功能与特点 | 第50-52页 |
| 4.2 基于 ZigBee 的 WSN 网络设计 | 第52-56页 |
| 4.2.1 基站/网关功能 | 第52-53页 |
| 4.2.2 系统通信方案 | 第53-55页 |
| 4.2.3 节点建设方案 | 第55-56页 |
| 4.3 系统软件设计与实现 | 第56-63页 |
| 4.3.1 ZigBee 网络节点自组网 | 第56-58页 |
| 4.3.2 基于 Web 技术的 PC 端应用 | 第58-61页 |
| 4.3.3 基于 Android 的移动设备端应用 | 第61-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 攻读研究生期间取得的成果 | 第75页 |