| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文内容及结构 | 第9-11页 |
| 第二章 无线传感器网络及数据融合技术 | 第11-23页 |
| 2.1 无线传感器网络介绍 | 第11-15页 |
| 2.1.1 无线传感器网络(WSN)的概念及起源 | 第11-12页 |
| 2.1.2 无线传感器网络的结构模型 | 第12-13页 |
| 2.1.3 无线传感器网络的性能 | 第13-14页 |
| 2.1.4 无线传感器网络的特点 | 第14-15页 |
| 2.2 无线传感器网络的应用及支撑技术 | 第15-16页 |
| 2.3 数据融合的定义及模型 | 第16-18页 |
| 2.3.1 数据融合的定义 | 第16-17页 |
| 2.3.2 数据融合的模型 | 第17-18页 |
| 2.4 数据融合技术的分类 | 第18-21页 |
| 2.4.1 按融合中心处理数据程度分类 | 第18-19页 |
| 2.4.2 按不同分辨率进行分类 | 第19-21页 |
| 2.5 数据融合的主要方法 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于一致性策略的卡尔曼滤波 | 第23-43页 |
| 3.1 一致性算法介绍 | 第23-27页 |
| 3.1.1 系统建模 | 第23-24页 |
| 3.1.2 一致滤波器 | 第24-25页 |
| 3.1.3 基于一致滤波器的估计算法 | 第25-26页 |
| 3.1.4 基于Metropolis加权的静态一致滤波算法仿真结果 | 第26-27页 |
| 3.2 卡尔曼滤波优化算法 | 第27-30页 |
| 3.2.1 卡尔曼滤波算法原理描述 | 第27-29页 |
| 3.2.2 卡尔曼滤波算法的流程 | 第29-30页 |
| 3.3 集中式卡尔曼滤波算法与数据融合 | 第30-35页 |
| 3.3.1 算法描述 | 第30-31页 |
| 3.3.2 集中式卡尔曼滤波的模型 | 第31-32页 |
| 3.3.3 仿真结果与分析 | 第32-35页 |
| 3.4 卡尔曼一致滤波算法介绍 | 第35-37页 |
| 3.4.1 系统数学描述 | 第35-36页 |
| 3.4.2 算法原理描述 | 第36页 |
| 3.4.3 算法特点分析 | 第36-37页 |
| 3.5 算法仿真与分析 | 第37-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于一致性策略的扩展卡尔曼滤波 | 第43-53页 |
| 4.1 扩展卡尔曼滤波算法介绍 | 第43-48页 |
| 4.1.1 扩展卡尔曼滤波算法原理 | 第43-47页 |
| 4.1.2 扩展卡尔曼滤波算法的流程 | 第47-48页 |
| 4.2 扩展卡尔曼一致滤波算法介绍 | 第48-49页 |
| 4.2.1 算法原理及其步骤 | 第48-49页 |
| 4.2.2 算法特点分析 | 第49页 |
| 4.3 算法仿真与分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 全文总结 | 第53-54页 |
| 5.2 研究展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 研究成果 | 第63-64页 |