| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及研究意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 相关工作 | 第12-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 相关技术研究 | 第17-27页 |
| 2.1 ZigBee技术概述 | 第17-23页 |
| 2.1.1 ZigBee技术的协议规范 | 第17-18页 |
| 2.1.2 ZigBee技术的特点与应用 | 第18-20页 |
| 2.1.3 Zigbee网络结构 | 第20-22页 |
| 2.1.4 ZigBee的传输信道 | 第22-23页 |
| 2.2 Logistic回归模型 | 第23-25页 |
| 2.2.1 Logistic回归模型简介 | 第23-24页 |
| 2.2.2 Logistic回归模型用途 | 第24-25页 |
| 2.3 机器学习概述 | 第25-26页 |
| 2.3.1 机器学习的概念 | 第25页 |
| 2.3.2 机器学习的应用 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于ZIGBEE的无线传感器网络中WIFI干扰检测机制 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 干扰检测方案 | 第27-34页 |
| 3.2.1 建立干扰模型的参数选取 | 第27-33页 |
| 3.2.2 建立一种新的基于logistics分析算法的干扰模型 | 第33-34页 |
| 3.3 实验过程与结果 | 第34-36页 |
| 3.3.1 实验环境及步骤 | 第34页 |
| 3.3.2 实验结果与分析 | 第34-35页 |
| 3.3.3 实验性能评估 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于机器学习的抗干扰信道分配技术研究 | 第37-50页 |
| 4.1 引言 | 第37-38页 |
| 4.2 基于机器学习的ZigBee抗WIFi干扰策略研究 | 第38-42页 |
| 4.2.1 基于机器学习的抗干扰协议研究 | 第38-40页 |
| 4.2.2 基于机器学习的抗干扰信道分配技术研究 | 第40-42页 |
| 4.3 基于机器学习的ZigBee抗WiFi干扰仿真验证 | 第42-49页 |
| 4.3.1 仿真结果验证 | 第42-44页 |
| 4.3.2 仿真结果对比分析 | 第44-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 论文工作总结 | 第50-51页 |
| 5.2 工作展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表论文情况 | 第58页 |
