| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 缩略词 | 第10-11页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外相关研究现状 | 第13-16页 |
| 1.2.1 WSN跟踪算法研究现状 | 第13-15页 |
| 1.2.2 多目标跟踪算法研究现状 | 第15-16页 |
| 1.2.3 WSN目标跟踪仿真平台研究现状 | 第16页 |
| 1.3 WSN目标跟踪面临的挑战 | 第16-17页 |
| 1.4 论文的主要研究工作和组织结构 | 第17-18页 |
| 第二章 基于强化学习的无线传感器网络协同跟踪算法 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 强化学习理论概述 | 第18-19页 |
| 2.3 基于强化学习的WSN协同跟踪算法 | 第19-27页 |
| 2.3.1 模型建立 | 第20-21页 |
| 2.3.2 基于强化学习的节点参数选择及协同自组织方法 | 第21-24页 |
| 2.3.3 基于强化学习的WSN目标跟踪 | 第24-25页 |
| 2.3.4 RLCTA算法流程 | 第25-27页 |
| 2.4 算法仿真及结果分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于量测驱动的PHD滤波多目标跟踪 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 PHD滤波理论基础 | 第30-33页 |
| 3.2.1 PHD滤波算法 | 第31-32页 |
| 3.2.2 传统PHD滤波算法存在问题 | 第32-33页 |
| 3.3 MDTBI-PHD滤波算法 | 第33-39页 |
| 3.3.1 基于增广空间的PHD滤波器 | 第33-34页 |
| 3.3.2 基于量测驱动的新生目标强度估计方法 | 第34-35页 |
| 3.3.3 MDTBI-PHD多目标跟踪 | 第35-36页 |
| 3.3.4 MDTBI-PHD滤波器的实现 | 第36-39页 |
| 3.4 算法仿真及结果分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于量化新息的无线传感器网络目标跟踪算法 | 第43-49页 |
| 4.1 引言 | 第43页 |
| 4.2 量化条件下的运动模型建立 | 第43页 |
| 4.3 基于量化新息的目标跟踪算法 | 第43-47页 |
| 4.3.1 量化策略选取 | 第43-45页 |
| 4.3.2 量化对象选取 | 第45页 |
| 4.3.3 数据删减新息量化 | 第45页 |
| 4.3.4 数据删减量化新息目标跟踪算法 | 第45-47页 |
| 4.4 仿真结果与分析 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于WSN的目标跟踪仿真平台设计与实现 | 第49-68页 |
| 5.1 引言 | 第49页 |
| 5.2 基于WSN的目标跟踪仿真平台总体架构 | 第49-50页 |
| 5.3 超声波六元阵列无线传感器网络设计 | 第50-60页 |
| 5.3.1 节点硬件设计 | 第50-56页 |
| 5.3.2 无线传感器网络节点程序设计 | 第56-60页 |
| 5.3.3 跟踪对象设计 | 第60页 |
| 5.4 监控中心软件平台设计 | 第60-64页 |
| 5.4.1 监控中心软件平台总体框架与功能 | 第60-61页 |
| 5.4.2 监控中心软件平台功能实现 | 第61-64页 |
| 5.5 系统测试及结果分析 | 第64-67页 |
| 5.5.1 测试环境及过程 | 第64-65页 |
| 5.5.2 测试结果及分析 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 全文工作总结 | 第68-69页 |
| 6.2 研究展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |