| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10页 |
| 1.2 无线传感器网络概述 | 第10-12页 |
| 1.2.1 无线传感器网络的概念 | 第10-11页 |
| 1.2.2 无线传感器网络的特点 | 第11-12页 |
| 1.2.3 无线传感器网络的发展现状 | 第12页 |
| 1.3 目标跟踪及其发展现状 | 第12-14页 |
| 1.3.1 目标跟踪概述 | 第12-13页 |
| 1.3.2 目标跟踪理论与发展 | 第13-14页 |
| 1.4 本文的主要工作与创新点 | 第14-15页 |
| 第2章 无线传感器网络目标定位与跟踪技术 | 第15-20页 |
| 2.1 无线传感器网络体系结构 | 第15-18页 |
| 2.1.1 节点结构 | 第15页 |
| 2.1.2 网络体系结构 | 第15-17页 |
| 2.1.3 无线传感器网络定位技术 | 第17-18页 |
| 2.2 目标跟踪技术简介 | 第18-20页 |
| 2.2.1 跟踪策略 | 第18页 |
| 2.2.2 目标跟踪过程 | 第18页 |
| 2.2.3 无线传感器网络定位与跟踪需考虑的问题 | 第18-20页 |
| 第3章 随机滤波理论与算法 | 第20-36页 |
| 3.1 目标跟踪建模 | 第20-23页 |
| 3.1.1 CV模型与CA模型 | 第20-21页 |
| 3.1.2 Singer模型 | 第21-22页 |
| 3.1.3 CT模型 | 第22-23页 |
| 3.2 卡尔曼滤波 | 第23-26页 |
| 3.2.1 线性状态空间模型 | 第23页 |
| 3.2.2 卡尔曼滤波算法 | 第23-24页 |
| 3.2.3 非线性状态空间模型 | 第24页 |
| 3.2.4 扩展卡尔曼滤波算法 | 第24-26页 |
| 3.3 粒子滤波 | 第26-29页 |
| 3.3.1 贝叶斯滤波 | 第26-27页 |
| 3.3.2 蒙特卡洛方法 | 第27页 |
| 3.3.3 序贯重要性采样 | 第27-28页 |
| 3.3.4 重采样 | 第28页 |
| 3.3.5 粒子滤波算法 | 第28-29页 |
| 3.4 概率假设密度滤波 | 第29-33页 |
| 3.4.1 随机有限集 | 第29页 |
| 3.4.2 多目标系统模型 | 第29-30页 |
| 3.4.3 多目标贝叶斯滤波 | 第30页 |
| 3.4.4 概率假设密度滤波 | 第30-31页 |
| 3.4.5 多目标跟踪性能指标 | 第31-33页 |
| 3.5 分布式SMC-PHD滤波 | 第33-36页 |
| 第4章 目标跟踪中的时间同步 | 第36-44页 |
| 4.1 AODV路由协议和TPSN时钟同步算法 | 第36-38页 |
| 4.1.1 AODV路由协议描述 | 第36-37页 |
| 4.1.2 TPSN算法描述 | 第37-38页 |
| 4.2 基于AODV协议的按需时钟同步策略 | 第38-40页 |
| 4.2.1 TPSN算法与AODV路径发现算法的结合 | 第38-40页 |
| 4.2.2 TPSN-AODV的时钟同步开销优化 | 第40页 |
| 4.3 仿真实验 | 第40-44页 |
| 4.3.1 时钟偏差残余度比较 | 第41-42页 |
| 4.3.2 网络静止时的同步开销对比 | 第42页 |
| 4.3.3 网络拓扑动态变化时的同步开销对比 | 第42-44页 |
| 第5章 实验场景搭建与实验结果分析 | 第44-52页 |
| 5.1 硬件平台 | 第44-47页 |
| 5.1.1 MSP430单片机 | 第44-45页 |
| 5.1.2 实时系统 μC/OS-Ⅱ | 第45页 |
| 5.1.3 无线模块 | 第45-46页 |
| 5.1.4 HC-SR04超声波测距模块 | 第46-47页 |
| 5.2 360°超声波无线传感器节点总体硬件构成 | 第47页 |
| 5.3 仿真实验 | 第47-52页 |
| 5.3.1 实验环境 | 第47-49页 |
| 5.3.2 仿真实验 | 第49-52页 |
| 第6章 结论与展望 | 第52-53页 |
| 6.1 本文总结 | 第52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |