| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景、目的及意义 | 第9-10页 |
| 1.2 无线传感器网络目标跟踪的研究进展 | 第10-12页 |
| 1.2.1 无线传感器网络目标跟踪面临的问题 | 第10-11页 |
| 1.2.2 无线传感器网络目标跟踪研究现状 | 第11-12页 |
| 1.3 基于量化数据的目标跟踪研究进展 | 第12-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 1.5 论文结构安排 | 第15-17页 |
| 第二章 基于量化数据的滤波方法 | 第17-31页 |
| 2.1 卡尔曼滤波器简介 | 第17页 |
| 2.2 动态空间模型 | 第17-18页 |
| 2.2.1 目标运动模型 | 第17页 |
| 2.2.2 传感器节点的观测模型 | 第17-18页 |
| 2.3 卡尔曼滤波方法 | 第18-24页 |
| 2.3.1 标准卡尔曼滤波算法 | 第18页 |
| 2.3.2 基于量化新息的状态估计 | 第18-20页 |
| 2.3.3 基于多比特量化的卡尔曼滤波 | 第20-22页 |
| 2.3.4 仿真分析 | 第22-24页 |
| 2.4 粒子滤波器简介 | 第24-27页 |
| 2.4.1 粒子滤波的思想 | 第24-25页 |
| 2.4.2 状态空间模型 | 第25页 |
| 2.4.3 基于粒子滤波的目标跟踪方法 | 第25-26页 |
| 2.4.4 序贯重要性采样 | 第26-27页 |
| 2.4.5 粒子重采样 | 第27页 |
| 2.5 基于量化数据的粒子滤波介绍 | 第27-30页 |
| 2.5.1 基于量化新息的粒子滤波方法 | 第27-29页 |
| 2.5.2 基于多比特量化数据的粒子滤波方法 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于量化数据的粒子滤波目标跟踪方法 | 第31-41页 |
| 3.1 基于量化数据的目标跟踪方法 | 第32-34页 |
| 3.1.1 目标动态模型 | 第32页 |
| 3.1.2 传感器观测模型 | 第32-33页 |
| 3.1.3 传感器选择 | 第33页 |
| 3.1.4 数据量化 | 第33-34页 |
| 3.2 算法分析 | 第34-37页 |
| 3.2.1 采用 APF 方法对目标状态估计的步骤 | 第35-36页 |
| 3.2.2 利用 CRPF 方法对目标状态估计 | 第36-37页 |
| 3.3 仿真分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于数据删减及量化新息的无线传感器网络目标跟踪 | 第41-53页 |
| 4.1 问题描述 | 第42-43页 |
| 4.1.1 目标运动模型 | 第42页 |
| 4.1.2 传感器观测模型 | 第42-43页 |
| 4.2 数据删减 | 第43-44页 |
| 4.3 新息量化 | 第44-46页 |
| 4.3.1 基于量化新息及丢失数据的联合似然函数 | 第45-46页 |
| 4.4 基于观测数据删减及量化新息的目标跟踪方法 | 第46-49页 |
| 4.4.1 基于 UKF 的协方差矩阵更新、删减阈值及新息 | 第46-47页 |
| 4.4.2 利用丢失数据信息的粒子滤波器 | 第47-49页 |
| 4.5 仿真分析 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
