摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
本文用到的缩略语 | 第14-16页 |
一、绪论 | 第16-24页 |
1.1 课题研究背景及现状 | 第16-22页 |
1.1.1 研究背景 | 第16页 |
1.1.2 当前研究存在的问题及研究现状 | 第16-22页 |
1.2 论文研究的问题 | 第22-23页 |
1.3 文章内容及组织结构 | 第23-24页 |
二、具有容错能力的无线传感器网络节能拓扑研究 | 第24-50页 |
2.1 引言 | 第24-27页 |
2.2 能量有效的无线传感器网络无标度拓扑研究 | 第27-32页 |
2.2.1 EETM拓扑演化模型 | 第27-28页 |
2.2.2 EETM的度分布属性 | 第28-30页 |
2.2.3 EETM仿真与分析 | 第30-32页 |
2.3 能量异构的无线传感器网络无标度拓扑研究 | 第32-39页 |
2.3.1 EHST节点生命期建模 | 第33-34页 |
2.3.2 EHST建模及动态特性分析 | 第34-37页 |
2.3.3 EHST仿真分析 | 第37-39页 |
2.4 能耗均衡的无线传感器网络加权无标度拓扑研究 | 第39-48页 |
2.4.1 EBWST节点生命期建模 | 第39-40页 |
2.4.2 EBWST建模及动态特性分析 | 第40-45页 |
2.4.3 EBWST仿真分析 | 第45-48页 |
2.5 本章小结 | 第48-50页 |
三、基于压缩感知的WSNS数据压缩及重构算法研究 | 第50-68页 |
3.1 引言 | 第50-52页 |
3.2 基于压缩感知的数据压缩方法 | 第52-55页 |
3.2.1 压缩感知的关键问题 | 第52-54页 |
3.2.2 当前压缩感知重构算法存在的问题 | 第54-55页 |
3.3 基于量子粒子群优化算法的压缩感知数据重构算法 | 第55-57页 |
3.3.1 改进的量子粒子群优化算法 | 第55-56页 |
3.3.2 数据重构过程 | 第56-57页 |
3.4 基于压缩感知理论的时序信号分段压缩 | 第57-59页 |
3.4.1 改进思路 | 第57页 |
3.4.2 时序信号分段压缩方法 | 第57-59页 |
3.5 实验结果及性能分析 | 第59-67页 |
3.5.1 实验设置 | 第59-62页 |
3.5.2 物理实验分析 | 第62-67页 |
3.6 本章小结 | 第67-68页 |
四、基于萤火虫算法的WSNS节点部署研究 | 第68-88页 |
4.1 引言 | 第68页 |
4.2 基于改进萤火虫优化算法的WSNS覆盖优化分析 | 第68-78页 |
4.2.1 萤火虫优化算法及改进算法 | 第69-72页 |
4.2.2 基于IGSO的WSNs网络覆盖优化算法 | 第72-75页 |
4.2.3 仿真分析 | 第75-78页 |
4.3 基于离散萤火虫压缩感知重构的WSNS多目标定位 | 第78-86页 |
4.3.1 目前研究的局限性 | 第78页 |
4.3.2 问题描述 | 第78-79页 |
4.3.3 压缩感知与稀疏重构 | 第79-81页 |
4.3.4 压缩感知WSNs多目标定位 | 第81-83页 |
4.3.5 仿真结果 | 第83-86页 |
4.4 本章小结 | 第86-88页 |
五、基于混合蛙跳算法的WSNS数据传输方法研究 | 第88-104页 |
5.1 引言 | 第88-89页 |
5.2 基于混合蛙跳算法的非均匀分簇WSNS路由协议 | 第89-96页 |
5.2.1 无线传感器网络模型及混合蛙跳算法 | 第89-90页 |
5.2.2 SEBUCP协议 | 第90-94页 |
5.2.3 实验仿真 | 第94-96页 |
5.3 基于改进离散混合蛙跳算法的压缩感知信号重构方法及应用 | 第96-103页 |
5.3.1 离散混合蛙跳算法与改进 | 第96-98页 |
5.3.2 压缩感知与信号重构 | 第98-101页 |
5.3.3 仿真结果 | 第101-103页 |
5.4 结论 | 第103-104页 |
六、结论 | 第104-106页 |
6.1 所做的工作及创新内容 | 第104-105页 |
6.2 进一步的展望 | 第105-106页 |
参考文献 | 第106-114页 |
攻读博士学位期间发表的学术论文和参加科研情况 | 第114-116页 |
致谢 | 第116-117页 |