摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-15页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外相关研究 | 第10-13页 |
1.3 论文章节安排 | 第13-15页 |
第二章 EH-WSN关键技术 | 第15-31页 |
2.1 EH-WSN可采集能源特性 | 第15-18页 |
2.1.1 能量来源 | 第15-17页 |
2.1.2 可持续运行 | 第17-18页 |
2.2 EH-WSN节点特性 | 第18-22页 |
2.2.1 节点整体结构 | 第19-20页 |
2.2.2 节点能量模型 | 第20-21页 |
2.2.3 节点的运行状态 | 第21-22页 |
2.3 EH-WSN现有MAC层协议 | 第22-26页 |
2.3.1 ODMAC | 第22-23页 |
2.3.2 X-MAC | 第23页 |
2.3.3 EA-MAC | 第23-24页 |
2.3.4 EH-MAC | 第24-25页 |
2.3.5 ERI-MAC | 第25页 |
2.3.6 P-MAC | 第25-26页 |
2.4 信道接入机制 | 第26-30页 |
2.4.1 非时隙CSMA技术原理 | 第26-28页 |
2.4.2 概率轮询技术原理 | 第28-30页 |
2.5 本章小结 | 第30-31页 |
第三章 基于节点能量水平的退避机制EH-CSMA | 第31-41页 |
3.1 非时隙CSMA和概率轮询机制的性能分析 | 第31-36页 |
3.1.1 吞吐量 | 第31-32页 |
3.1.2 公平性 | 第32-33页 |
3.1.3 仿真环境和仿真参数 | 第33-35页 |
3.1.4 CSMA和概率轮询的仿真对比 | 第35-36页 |
3.2 基于节点能量水平的调整退避窗口算法 | 第36-40页 |
3.2.1 EH-CSMA的设计 | 第36-37页 |
3.2.2 性能仿真分析 | 第37-40页 |
3.3 本章小结 | 第40-41页 |
第四章 基于太阳能预测模型调整占空比的MAC协议 | 第41-51页 |
4.1 DSR-MAC协议 | 第41页 |
4.2 利用BP神经网络建立太阳能预测模型 | 第41-44页 |
4.2.1 BP神经网络基本原理 | 第41-42页 |
4.2.2 Matlab实现太阳能预测模型 | 第42-44页 |
4.3 DSEP-MAC协议 | 第44-46页 |
4.3.1 DSEP-MAC具体机制 | 第44-45页 |
4.3.2 DSEP-MAC与DSR-MAC的转换策略 | 第45-46页 |
4.4 仿真验证 | 第46-48页 |
4.4.1 仿真参数和仿真环境 | 第46-48页 |
4.4.2 仿真结果与分析 | 第48页 |
4.5 本章小结 | 第48-51页 |
第五章 总结与展望 | 第51-53页 |
5.1 论文总结 | 第51-52页 |
5.2 未来工作展望 | 第52-53页 |
参考文献 | 第53-57页 |
致谢 | 第57-59页 |
攻读学位期间发表的学术论文目录 | 第59页 |