无线传感器网络的目标特征提取及分类
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-17页 |
| ·研究背景及意义 | 第13-14页 |
| ·研究背景 | 第13页 |
| ·研究现状及意义 | 第13-14页 |
| ·论文的主要工作及组织结构 | 第14-17页 |
| ·论文的主要工作 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 无线传感器网络综述 | 第17-23页 |
| ·无线传感器网络的发展历史 | 第17页 |
| ·无线传感器网络的特点 | 第17-20页 |
| ·无线传感器网络的网络结构 | 第17-18页 |
| ·无线传感器网络节点结构 | 第18-19页 |
| ·无线传感器网络与传统无线网络的区别 | 第19-20页 |
| ·无线传感网络的关键技术 | 第20-22页 |
| ·网络拓扑控制 | 第21页 |
| ·网络协议 | 第21页 |
| ·时间同步 | 第21页 |
| ·定位技术 | 第21-22页 |
| ·数据融合 | 第22页 |
| ·网络安全 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 相关理论 | 第23-50页 |
| ·无线传感器网络目标分类简介 | 第23-25页 |
| ·无线传感网络中的目标信号估计 | 第23-24页 |
| ·无线传感器网络中目标分类分布式算法 | 第24-25页 |
| ·谱特征提取 | 第25-43页 |
| ·经典谱估计 | 第26-29页 |
| ·相关函数法 | 第26-27页 |
| ·周期图法 | 第27-28页 |
| ·周期图法的性质 | 第28-29页 |
| ·现代谱估计 | 第29-43页 |
| ·自回归滑动平均模型ARMA | 第31-33页 |
| ·自回归模型AR | 第33-34页 |
| ·Yule-Walker方程 | 第34-35页 |
| ·Levinson-Durbin快速算法 | 第35-37页 |
| ·Burg算法 | 第37-39页 |
| ·最大熵估计 | 第39-41页 |
| ·AR模型阶次的选择 | 第41-43页 |
| ·支持向量分类机 | 第43-49页 |
| ·支持向量机简介 | 第43页 |
| ·支持向量机相关理论 | 第43-46页 |
| ·函数集的VC维 | 第43-44页 |
| ·结构风险最小化原则 | 第44页 |
| ·最优分类超平面 | 第44-46页 |
| ·支持向量分类机 | 第46-49页 |
| ·线性分类 | 第46-48页 |
| ·非线性分类 | 第48页 |
| ·核函数及特征空间 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 目标特征提取及分类的实现 | 第50-68页 |
| ·数据介绍 | 第50-51页 |
| ·特征提取 | 第51-64页 |
| ·目标探测 | 第51-53页 |
| ·谱特征提取 | 第53-62页 |
| ·时域信号的加窗处理 | 第54页 |
| ·对输入信号序列进行去趋势处理 | 第54-55页 |
| ·对输入信号序列进行光滑性处理 | 第55-56页 |
| ·求功率谱密度 | 第56-62页 |
| ·AR-Burg阶数选择 | 第62-64页 |
| ·目标分类 | 第64-67页 |
| ·主要公式 | 第64页 |
| ·数据预处理 | 第64-65页 |
| ·数据的缩放处理 | 第65页 |
| ·数据的SVM训练 | 第65-66页 |
| ·数据的SVM预测 | 第66页 |
| ·SVM的交叉验证 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 实验数据分析 | 第68-74页 |
| ·AR-Burg阶数选择数据分析结果 | 第68-70页 |
| ·引入噪声时的分类结果分析 | 第70-71页 |
| ·改变特征提取数据处理长度分析 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-75页 |
| ·论文研究工作总结 | 第74页 |
| ·研究工作展望 | 第74-75页 |
| 参考文献 | 第75-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76-77页 |
| 致谢 | 第77页 |
