摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-15页 |
1.1 研究背景 | 第9页 |
1.2 国内外智能温室发展现状 | 第9-10页 |
1.2.1 智能温室在国内的发展现状 | 第9-10页 |
1.2.2 国外智能温室研究进展 | 第10页 |
1.3 WSN在智能温室监测中的应用 | 第10-11页 |
1.4 WSN中盲均衡及盲算法的研究 | 第11-13页 |
1.5 本文的研究意义与主要内容 | 第13-15页 |
1.5.1 本文的研究意义 | 第13页 |
1.5.2 本文的主要内容 | 第13-14页 |
1.5.3 本文的结构安排 | 第14-15页 |
第二章 量子蚁群智能优化算法的研究 | 第15-24页 |
2.1 蚁群智能优化算法的基本原理 | 第15-17页 |
2.1.1 蚁群算法的基本机制 | 第15-16页 |
2.1.2 蚁群算法的数学模型 | 第16-17页 |
2.2 蚁群优化算法的优缺点 | 第17-18页 |
2.2.1 蚁群算法的优点 | 第17-18页 |
2.2.2 蚁群算法的缺点 | 第18页 |
2.3 量子信息技术概述 | 第18-21页 |
2.3.1 量子计算及量子门 | 第19-20页 |
2.3.2 量子比特编码 | 第20-21页 |
2.4 量子蚁群优化算法的基本原理 | 第21-23页 |
2.4.1 量子旋转门及量子变异 | 第21-22页 |
2.4.2 量子蚁群算法的实现流程 | 第22-23页 |
2.5 本章小结 | 第23-24页 |
第三章 基于量子蚁群算法的智能温室盲检测系统 | 第24-51页 |
3.1 智能温室中的无线传感网络 | 第24-28页 |
3.1.1 智能温室的概念及特点 | 第24-25页 |
3.1.2 WSN用于智能温室的优点 | 第25-26页 |
3.1.3 智能温室中的无线传感网络组网形式与协议模型 | 第26-28页 |
3.2 智能温室中的WSN盲检测系统框架 | 第28-31页 |
3.2.1 温室中的WSN信息监测 | 第28-30页 |
3.2.2 温室WSN信息监测系统框架 | 第30-31页 |
3.3 WSN簇内盲均衡与盲检测原理及系统模型 | 第31-34页 |
3.3.1 基于QACO-CA的WSN盲均衡与盲检测系统原理 | 第31-32页 |
3.3.2 基于QACO-CA的盲均衡与盲检测系统模型 | 第32-34页 |
3.4 簇内基准传感器节点的盲均衡与盲检测 | 第34-39页 |
3.4.1 簇内基准传感器节点盲检测设计 | 第34-36页 |
3.4.2 量子蚁群优化盲检测系统设计 | 第36-39页 |
3.5 簇内其他传感器节点的盲均衡与盲检测 | 第39-42页 |
3.6 仿真实验 | 第42-50页 |
3.6.1 簇内基准传感器节点盲检测仿真 | 第43-47页 |
3.6.2 簇内其它传感器节点盲检测仿真 | 第47-50页 |
3.7 本章小结 | 第50-51页 |
第四章 改进的智能温室无线传感网盲检测系统设计 | 第51-68页 |
4.1 混沌初始化信息素 | 第51-54页 |
4.1.1 混沌理论的概念 | 第51-52页 |
4.1.2 改进原理 | 第52-53页 |
4.1.3 仿真实验 | 第53-54页 |
4.2 Hadamard门变异机制 | 第54-57页 |
4.2.1 Hadamard门变异机制的原理 | 第54-55页 |
4.2.2 仿真实验 | 第55-57页 |
4.3 量子比特编码改进机制 | 第57-60页 |
4.3.1 改进量子比特编码 | 第57-59页 |
4.3.2 仿真实验 | 第59-60页 |
4.4 基于改进量子蚁群算法的盲检测系统 | 第60-67页 |
4.4.1 量子蚁群优化盲检测系统设计 | 第60-62页 |
4.4.2 仿真实验 | 第62-67页 |
4.5 本章小结 | 第67-68页 |
第五章 总结与展望 | 第68-70页 |
5.1 总结 | 第68页 |
5.2 展望 | 第68-70页 |
参考文献 | 第70-74页 |
附录1 攻读硕士学位期间撰写的论文 | 第74-75页 |
附录2 攻读硕士学位期间参加的科研项目 | 第75-76页 |
附录3 攻读硕士学位期间申请的专利 | 第76-77页 |
致谢 | 第77页 |