| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-9页 |
| ·数据融合技术概述 | 第9-12页 |
| ·数据融合技术的概念及发展 | 第9-10页 |
| ·数据融合在WSN中的应用 | 第10-11页 |
| ·数据融合的方法 | 第11-12页 |
| ·分布式算法国内外研究现状 | 第12-14页 |
| ·论文内容及结构 | 第14-16页 |
| 第2章 自适应滤波器和LMS算法 | 第16-26页 |
| ·自适应滤波器 | 第16-19页 |
| ·最小均方(LMS)算法 | 第19-20页 |
| ·LMS算法的收敛条件 | 第20-21页 |
| ·LMS算法的学习曲线 | 第21-23页 |
| ·自适应滤波的失调 | 第23-24页 |
| ·本意小结 | 第24-26页 |
| 第3章 基于LMS的分布式算法 | 第26-50页 |
| ·无线传感器网络参数估计算法 | 第26-36页 |
| ·无线传感器网络结构模型 | 第26-27页 |
| ·集中式算法 | 第27-30页 |
| ·递增协作模式 | 第30-32页 |
| ·扩散协作模式 | 第32-36页 |
| ·集中式与分布式算法仿真对比 | 第36-39页 |
| ·改进的分布式LMS算法 | 第39-41页 |
| ·扩散符号LMS算法 | 第39-40页 |
| ·改进的扩散符号LMS算法 | 第40-41页 |
| ·收敛性能分析 | 第41-46页 |
| ·“改进符号-误差”算法收敛分析 | 第41-45页 |
| ·BPSK信号下算法“改进符号-数据”算法的性能分析 | 第45-46页 |
| ·仿真与性能分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于信誉机制的分布式扩散LMS算法 | 第50-64页 |
| ·扩散LMS算法 | 第50-51页 |
| ·基于信誉机制的扩散算法 | 第51-53页 |
| ·信誉值的确定 | 第51-52页 |
| ·基于信誉机制的扩散R-dLMS算法 | 第52-53页 |
| ·基于信誉机制的R-dNLMS算法 | 第53页 |
| ·算法收敛分析 | 第53-57页 |
| ·仿真分析 | 第57-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| ·全文总结 | 第64-65页 |
| ·研究展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间取得的研究成果 | 第72-74页 |
| 致谢 | 第74-75页 |