| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 图表索引 | 第8-11页 |
| 第1章 绪论 | 第11-25页 |
| ·研究目的与意义 | 第11-12页 |
| ·传感器网络目标跟踪方法的研究现状 | 第12-18页 |
| ·基于线性滤波的传感器网络目标跟踪方法 | 第13-15页 |
| ·基于非线性滤波的传感器网络目标跟踪方法 | 第15-18页 |
| ·传感器网络目标跟踪方法的性能指标 | 第18页 |
| ·传感器网络目标跟踪方法的发展趋势 | 第18-19页 |
| ·论文创新点 | 第19-20页 |
| ·论文内容安排 | 第20-21页 |
| 参考文献 | 第21-25页 |
| 第2章 基于动态分簇路由优化和分布式粒子滤波的传感器网络目标跟踪方法研究 | 第25-44页 |
| 本章摘要 | 第25页 |
| ·引言 | 第25-26页 |
| ·目标模型与传感器感知模型 | 第26-27页 |
| ·动态分簇路由优化及分布式粒子滤波原理 | 第27-32页 |
| ·动态分簇路由优化 | 第27-30页 |
| ·分布式粒子滤波 | 第30-32页 |
| ·DCRO-DPF算法描述和流程图 | 第32-34页 |
| ·仿真算例 | 第34-41页 |
| ·结束语 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 第3章 基于粒子群优化和M-H采样粒子滤波的传感器网络目标跟踪方法研究 | 第44-63页 |
| 本章摘要 | 第44页 |
| ·引言 | 第44-45页 |
| ·系统模型 | 第45-49页 |
| ·目标模型 | 第46页 |
| ·感知模型 | 第46-47页 |
| ·动态拓扑结构 | 第47-48页 |
| ·能耗模型 | 第48-49页 |
| ·粒子群优化和M-H采样粒子滤波 | 第49-52页 |
| ·粒子群优化 | 第49-50页 |
| ·Metropolis-Hasting采样 | 第50页 |
| ·改进M-H采样的粒子滤波 | 第50-52页 |
| ·基于PSO-MHPF的传感器网络目标跟踪方法 | 第52-54页 |
| ·仿真算例 | 第54-60页 |
| ·结束语 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 第4章 基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究 | 第63-79页 |
| 本章摘要 | 第63页 |
| ·引言 | 第63-64页 |
| ·算法原理 | 第64-70页 |
| ·系统模型 | 第64-66页 |
| ·动态生成树 | 第66-67页 |
| ·改进不敏卡尔曼滤波 | 第67-70页 |
| ·DST-IUKF算法描述和流程图 | 第70-71页 |
| ·仿真算例 | 第71-76页 |
| ·结束语 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 第5章 总结与展望 | 第79-82页 |
| 第6章 致谢 | 第82-83页 |
| 附录 | 第83页 |
