摘要 | 第6-8页 |
ABSTRACT | 第8-10页 |
第一章 绪论 | 第14-28页 |
1.1 研究背景及意义 | 第14-17页 |
1.2 基于量化新息的状态估计概述 | 第17-22页 |
1.2.1 基于量化新息的状态估计问题的提出 | 第17-18页 |
1.2.2 现有主要研究方法 | 第18-21页 |
1.2.3 现有工作的不足 | 第21-22页 |
1.3 本文的主要工作和组织结构 | 第22-28页 |
1.3.1 本文主要工作 | 第22-24页 |
1.3.2 本文组织结构 | 第24-28页 |
第二章 状态估计问题描述与数学建模 | 第28-36页 |
2.1 引言 | 第28页 |
2.2 卡尔曼滤波估计算法 | 第28-30页 |
2.3 无线传感器网络中的状态估计问题描述 | 第30-34页 |
2.3.1 无线传感器网络的体系结构 | 第30-32页 |
2.3.2 状态估计模型 | 第32页 |
2.3.3 传感器观测模型 | 第32页 |
2.3.4 新息的量化模型 | 第32-34页 |
2.4 本章小结 | 第34-36页 |
第三章 基于量化新息的最小方差估计 | 第36-66页 |
3.1 引言 | 第36-37页 |
3.2 预备知识 | 第37-38页 |
3.3 量化方案表设计 | 第38-41页 |
3.4 传输策略设计 | 第41-44页 |
3.5 基于量化新息的最小方差估计 | 第44-58页 |
3.5.1 一步预测 | 第45-47页 |
3.5.2 一步更新 | 第47-58页 |
3.6 算法 | 第58-59页 |
3.7 仿真实验与分析 | 第59-64页 |
3.7.1 仿真场景设置 | 第59-61页 |
3.7.2 量化方案表实验 | 第61-62页 |
3.7.3 传输策略实验 | 第62-64页 |
3.8 本章小结 | 第64-66页 |
第四章 基于量化新息的高斯混合状态估计方法 | 第66-84页 |
4.1 引言 | 第66-67页 |
4.2 预备知识 | 第67-69页 |
4.3 量化卡尔曼滤波方法存在的问题 | 第69-71页 |
4.4 高斯混合状态估计方法 | 第71-75页 |
4.5 算法 | 第75-77页 |
4.6 仿真实验与分析 | 第77-82页 |
4.6.1 仿真场景设置 | 第77-79页 |
4.6.2 仿真实验 | 第79-82页 |
4.7 本章小结 | 第82-84页 |
第五章 基于量化新息状态估计方法的性能分析 | 第84-106页 |
5.1 引言 | 第84-85页 |
5.2 预备知识 | 第85-86页 |
5.3 对量化方案表的性能分析 | 第86-88页 |
5.4 对量化传输策略的性能分析 | 第88-89页 |
5.5 对量化卡尔曼滤波类方法的性能分析 | 第89-90页 |
5.6 对基于量化新息的状态估计算法的克拉美罗下界的研究 | 第90-97页 |
5.7 仿真实验与分析 | 第97-103页 |
5.7.1 仿真场景设置 | 第97-99页 |
5.7.2 仿真实验 | 第99-103页 |
5.8 本章小结 | 第103-106页 |
第六章 基于量化新息的多目标跟踪方法 | 第106-138页 |
6.1 引言 | 第106-107页 |
6.2 预备知识 | 第107-112页 |
6.2.1 跟踪波门 | 第109-110页 |
6.2.2 最近邻数据关联算法 | 第110页 |
6.2.3 概率数据关联算法 | 第110-111页 |
6.2.4 联合概率数据关联算法 | 第111-112页 |
6.2.5 多假设算法 | 第112页 |
6.3 基于量化新息的联合概率数据关联方法 | 第112-118页 |
6.4 无线传感器网络目标跟踪硬件平台 | 第118-132页 |
6.4.1 系统体系结构 | 第118-120页 |
6.4.2 无线传感器节点 | 第120-125页 |
6.4.3 网络通信协议 | 第125-129页 |
6.4.4 上位机显示 | 第129-132页 |
6.5 仿真实验与分析 | 第132-137页 |
6.5.1 仿真场景设置 | 第132-133页 |
6.5.2 仿真实验 | 第133-137页 |
6.6 本章小结 | 第137-138页 |
第七章 总结与展望 | 第138-142页 |
7.1 全文总结 | 第138-139页 |
7.2 研究展望 | 第139-142页 |
参考文献 | 第142-156页 |
攻读博士学位期间已发表或录用的论文 | 第156-158页 |
攻读博士学位期间参与的科研项目 | 第158-160页 |
致谢 | 第160页 |