| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11-13页 |
| 1.1.1 无线传感器网络概述 | 第11页 |
| 1.1.2 无线传感器网络的特点 | 第11-12页 |
| 1.1.3 无线传感器网络的应用 | 第12-13页 |
| 1.1.4 本课题的研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的章节安排 | 第15-17页 |
| 第2章 无线传感器网络中的数据收集技术 | 第17-29页 |
| 2.1 基于数据挖掘的数据收集技术 | 第17-20页 |
| 2.1.1 基于主成分分析的数据收集技术 | 第17-18页 |
| 2.1.2 基于神经网络的数据收集技术 | 第18-19页 |
| 2.1.3 基于回归分析的数据收集技术 | 第19-20页 |
| 2.2 基于聚集函数的数据收集技术 | 第20-21页 |
| 2.3 基于数据压缩的数据收集技术 | 第21-27页 |
| 2.3.1 基于时空相关性数据压缩的数据收集技术 | 第21-24页 |
| 2.3.2 基于小波变换的数据压缩算法的数据收集技术 | 第24-26页 |
| 2.3.3 分布式数据压缩算法 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 压缩感知理论 | 第29-39页 |
| 3.1 压缩感知理论的数学模型 | 第29-31页 |
| 3.2 信号的稀疏表示 | 第31-32页 |
| 3.2.1 正交基变换 | 第31页 |
| 3.2.2 多尺度几何变换 | 第31-32页 |
| 3.2.3 冗余字典 | 第32页 |
| 3.3 观测矩阵的设计 | 第32-34页 |
| 3.3.1 随机观测矩阵 | 第33-34页 |
| 3.3.2 确定性观测矩阵 | 第34页 |
| 3.4 信号重构算法 | 第34-38页 |
| 3.4.1 贪婪算法 | 第35-36页 |
| 3.4.2 凸优化算法 | 第36-37页 |
| 3.4.3 混合算法 | 第37页 |
| 3.4.4 迭代算法 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 一种优化的Steiner树路由 | 第39-51页 |
| 4.1 网络模型 | 第39-40页 |
| 4.2 Steiner树的生成方案 | 第40-43页 |
| 4.2.1 HST树介绍 | 第40-42页 |
| 4.2.2 Steiner树的构造 | 第42-43页 |
| 4.3 改进的Steiner树构造 | 第43-44页 |
| 4.4 实验结果分析 | 第44-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 一种基于Steiner树的数据收集方案 | 第51-67页 |
| 5.1 系统模型 | 第51页 |
| 5.2 分布式Top-K查询算法 | 第51-55页 |
| 5.2.1 TA算法 | 第52-53页 |
| 5.2.2 TPUT算法 | 第53-55页 |
| 5.3 基于近似Top-|K|查询的分布式数据重构方案 | 第55-58页 |
| 5.3.1 分布式迭代阈值算法模型 | 第55-57页 |
| 5.3.2 近似Top-|K|查询分布式算法 | 第57-58页 |
| 5.4 实验结果对比与分析 | 第58-66页 |
| 5.4.1 方案性能对比 | 第59-61页 |
| 5.4.2 方案性能分析 | 第61-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-68页 |
| 6.1 论文工作总结 | 第67页 |
| 6.2 未来研究方向 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74页 |