基于最优功耗分配的分布式估计策略研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 多源信息融合的基本概念 | 第16-17页 |
| 1.1.1 信息融合的原理 | 第16页 |
| 1.1.2 多源信息融合的优势 | 第16-17页 |
| 1.1.3 应用领域 | 第17页 |
| 1.2 信息融合的常用结构 | 第17-22页 |
| 1.2.1 功能模型 | 第17-18页 |
| 1.2.2 多源融合的级别 | 第18-20页 |
| 1.2.3 多源信息融合常用的处理结构 | 第20-22页 |
| 1.3 国内外研究现状 | 第22-24页 |
| 1.4 数据融合亟需解决的关键问题 | 第24-25页 |
| 1.5 研究成果及工作安排 | 第25-26页 |
| 第二章 统计理论与信号估值 | 第26-36页 |
| 2.1 点估计理论基础 | 第26-29页 |
| 2.1.1 一般概念 | 第26页 |
| 2.1.2 贝叶斯估计理论 | 第26-27页 |
| 2.1.3 BLUE估计算法 | 第27-28页 |
| 2.1.4 WLS估计 | 第28-29页 |
| 2.1.5 克拉美—罗界 | 第29页 |
| 2.2 线性动态系统的滤波理论以及常用算法 | 第29-32页 |
| 2.2.1 针对离散时间线性系统的状态估计 | 第29-30页 |
| 2.2.2 基本Kalman滤波器 | 第30-32页 |
| 2.3 非线性动态系统的滤波理论与常用算法 | 第32-34页 |
| 2.3.1 系统模型 | 第32页 |
| 2.3.2 算法描述 | 第32-34页 |
| 2.3.3 扩展Kalman滤波的优缺点 | 第34页 |
| 2.4 最佳估计准则 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 量测噪声相关情况下的最佳估计融合策略 | 第36-46页 |
| 3.1 无线传感器网络 | 第36-37页 |
| 3.2 分布式融合模型 | 第37-38页 |
| 3.2.1 系统描述 | 第37-38页 |
| 3.2.2 算法描述 | 第38页 |
| 3.3 融合性能分析 | 第38-43页 |
| 3.3.1 分布式融合 | 第39页 |
| 3.3.2 集中式融合 | 第39-40页 |
| 3.3.3 无损线性变换准则 | 第40-43页 |
| 3.4 计算机仿真 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于最优功耗分配的最优分布式估计融合 | 第46-62页 |
| 4.1 不同MAC信道 | 第46-48页 |
| 4.2 基于标量信源的最优功耗分配 | 第48-55页 |
| 4.2.1 信号模型 | 第48-50页 |
| 4.2.2 基于能量受限的功耗分配策略 | 第50-52页 |
| 4.2.3 仿真数据 | 第52-55页 |
| 4.3 基于矢量信源的最优功耗分配 | 第55-60页 |
| 4.3.1 信号模型 | 第55-57页 |
| 4.3.2 能量受限情况下的最优功耗分配 | 第57-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 信道估计误差对估计融合的影响 | 第62-72页 |
| 5.1 信号模型 | 第62-63页 |
| 5.2 随机信道估计误差对估计性能的影响 | 第63-67页 |
| 5.2.1 基于训练数据的信道估计 | 第63-64页 |
| 5.2.2 信道不确定性对估计性能的影响 | 第64-67页 |
| 5.3 仿真分析 | 第67-69页 |
| 5.4 本章小结 | 第69-72页 |
| 第六章 结论和展望 | 第72-74页 |
| 6.1 研究结论 | 第72页 |
| 6.2 研究展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80页 |
| 1. 基本情况 | 第80页 |
| 2. 教育背景 | 第80页 |
| 3. 攻读硕士学位期间的研究成果 | 第80页 |
