| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 目标跟踪问题研究现状 | 第11-12页 |
| 1.3 无线传感器网络研究现状 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13页 |
| 1.5 论文章节安排 | 第13-16页 |
| 第二章 无线传感器网络定位算法 | 第16-28页 |
| 2.1 无线传感器网络定位概述 | 第16-17页 |
| 2.1.1 无线传感器网络中定位算法的基本概念 | 第16页 |
| 2.1.2 无线传感器网络定位算法的评价标准 | 第16-17页 |
| 2.2 定位算法 | 第17-22页 |
| 2.2.1 基于测距定位算法 | 第18-20页 |
| 2.2.2 无需测距定位算法 | 第20-22页 |
| 2.3 测距算法 | 第22-23页 |
| 2.3.1 基于TOA的测距算法 | 第22页 |
| 2.3.2 基于TDOA的测距算法 | 第22-23页 |
| 2.3.3 基于RSSI的测距算法 | 第23页 |
| 2.4 定位算法仿真分析 | 第23-26页 |
| 2.4.1 DV-hop定位算法仿真分析 | 第23-24页 |
| 2.4.2 极大似然估计算法与三边法仿真比较 | 第24-26页 |
| 2.4.3 基于RSSI测距的极大似然估计算法仿真分析 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 目标跟踪算法 | 第28-42页 |
| 3.1 机动目标跟踪模型 | 第28-31页 |
| 3.1.1 机动目标数学模型 | 第28-29页 |
| 3.1.2 CV/CA模型 | 第29页 |
| 3.1.3 CT模型 | 第29-30页 |
| 3.1.4 交互多模型IMM | 第30-31页 |
| 3.2 滤波估计算法 | 第31-34页 |
| 3.2.1 卡尔曼滤波算法 | 第31-33页 |
| 3.2.2 扩展卡尔曼滤波算法 | 第33页 |
| 3.2.3 粒子滤波算法 | 第33-34页 |
| 3.3 仿真分析 | 第34-40页 |
| 3.3.1 CV/CA模型对运动目标的仿真分析 | 第35-36页 |
| 3.3.2 交互多模型算法与CV模型对运动目标的仿真比较分析 | 第36-38页 |
| 3.3.3 扩展卡尔曼滤波算法与粒子滤波算法对运动目标的仿真分析 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 无线传感器网络的动态簇算法研究 | 第42-54页 |
| 4.1 相关研究背景 | 第42-43页 |
| 4.2 动态簇确定算法 | 第43-47页 |
| 4.2.1 问题描述 | 第43-44页 |
| 4.2.2 动态簇确定算法 | 第44-46页 |
| 4.2.3 交互多模型卡尔曼滤波算法 | 第46-47页 |
| 4.3 簇头节点竞争 | 第47-48页 |
| 4.4 改进的动态簇自适应确定算法 | 第48-49页 |
| 4.5 仿真分析 | 第49-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 无线传感器网络中的目标跟踪 | 第54-62页 |
| 5.1 相关研究背景 | 第54-55页 |
| 5.2 问题描述 | 第55页 |
| 5.3 传统的分布式跟踪算法 | 第55-56页 |
| 5.4 改进的跟踪精度自适应的分布式跟踪算法 | 第56-58页 |
| 5.5 仿真分析 | 第58-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
