| 摘要 | 第3-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 引言 | 第11-12页 |
| 1.2 无线传感器网络结构及特点 | 第12-14页 |
| 1.3 选题背景及意义 | 第14-15页 |
| 1.4 研究现状 | 第15-16页 |
| 1.5 本文主要内容和结构 | 第16-19页 |
| 第二章 无线传感器网络节点定位技术 | 第19-35页 |
| 2.1 节点定位技术基本原理 | 第19-20页 |
| 2.2 无线传感器网络节点结构及特点 | 第20-21页 |
| 2.3 节点坐标计算方法 | 第21-24页 |
| 2.4 无线传感器网络节点间测距技术 | 第24-27页 |
| 2.5 基于测距的定位算法 | 第27-31页 |
| 2.6 无线传感器网络定位算法分类 | 第31-32页 |
| 2.7 定位算法研究的技术挑战与性能评价指标 | 第32-33页 |
| 2.7.1 技术挑战 | 第32-33页 |
| 2.7.2 性能评价指标 | 第33页 |
| 2.8 本章小结 | 第33-35页 |
| 第三章 粒子群优化算法 | 第35-41页 |
| 3.1 粒子群算法概述 | 第35-36页 |
| 3.2 标准粒子群优化算法 | 第36-39页 |
| 3.2.1 算法原理 | 第36页 |
| 3.2.2 算法数学描述 | 第36-37页 |
| 3.2.3 算法流程 | 第37-38页 |
| 3.2.4 算法参数 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 基于改进RSSI定位模型的定位算法研究 | 第41-53页 |
| 4.1 RSSI定位模型 | 第41-42页 |
| 4.1.1 改进RSSI测距模型 | 第41-42页 |
| 4.1.2 定位模型 | 第42页 |
| 4.2 仿真算法介绍 | 第42-47页 |
| 4.2.1 加权最小二乘法(WLS) | 第42-44页 |
| 4.2.2 混沌粒子群算法 | 第44-45页 |
| 4.2.3 基于线性递减权重的混沌粒子群算法 | 第45-47页 |
| 4.3 仿真实验 | 第47-52页 |
| 4.3.1 参数设置 | 第47-48页 |
| 4.3.2 结果及分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于TDOA定位模型的锚节点缺失定位算法研究 | 第53-67页 |
| 5.1 TDOA定位模型 | 第53-55页 |
| 5.2 仿真算法介绍 | 第55-60页 |
| 5.2.1 Min-max算法 | 第55-56页 |
| 5.2.2 Taylor算法 | 第56-57页 |
| 5.2.3 基于异步学习因子的自适应权重PSO | 第57-58页 |
| 5.2.4 SAAPSO算法与Taylor算法协同定位的锚节点缺失定位算法 | 第58-60页 |
| 5.3 仿真实验 | 第60-64页 |
| 5.3.1 参数设置 | 第60-61页 |
| 5.3.2 结果及分析 | 第61-64页 |
| 5.4 本章小结 | 第64-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 内容总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录A (攻读硕士其间发表的论文及参加的科研项目) | 第75页 |
| 发表论文情况 | 第75页 |
| 参加的科研项目 | 第75页 |
| 附录B (攻读硕士其间发表的软件著作权) | 第75页 |
