| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 引言 | 第8-9页 |
| 1.2 无线传感器网络概述 | 第9-11页 |
| 1.2.1 无线传感器网络结构 | 第9页 |
| 1.2.2 传感器节点的硬件结构 | 第9-10页 |
| 1.2.3 无线传感器网络特点 | 第10-11页 |
| 1.3 群体智能与仿生计算 | 第11-14页 |
| 1.4 节点定位技术的研究背景及意义 | 第14-15页 |
| 1.5 国内外研究现状 | 第15-16页 |
| 1.6 本课题的主要研究工作及论文结构安排 | 第16-18页 |
| 第二章 无线定位技术概况 | 第18-31页 |
| 2.1 节点定位技术中基本概念介绍 | 第18-19页 |
| 2.2 常见的基于测距技术的测距方法 | 第19-21页 |
| 2.2.1 到达时间测量法（TOA） | 第19页 |
| 2.2.2 到达时间差测量法（TDOA） | 第19-20页 |
| 2.2.3 基于到达角度（AOA） | 第20页 |
| 2.2.4 到达信号强度测量法（RSSI） | 第20-21页 |
| 2.3 节点位置估算方法 | 第21-23页 |
| 2.4 经典测距技术定位算法 | 第23-27页 |
| 2.4.1 最小二乘（LS）算法 | 第23-25页 |
| 2.4.2 具有解析表达式的Chan算法 | 第25-26页 |
| 2.4.3 递归的Taylor序列展开算法 | 第26-27页 |
| 2.5 影响定位精确度的因素 | 第27-28页 |
| 2.6 定位性能的评价 | 第28-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 基于猫群算法的无线传感器网络节点定位 | 第31-41页 |
| 3.1 无线传感器定位问题描述 | 第31-32页 |
| 3.2 猫群算法 | 第32-37页 |
| 3.2.1 基本原理 | 第32-33页 |
| 3.2.2 术语介绍 | 第33-34页 |
| 3.2.3 基本流程 | 第34-35页 |
| 3.2.4 猫群算法构成要素 | 第35-37页 |
| 3.3 基于猫群算法的无线传感网节点定位 | 第37-38页 |
| 3.3.1 适应度函数与定位精度设计 | 第37页 |
| 3.3.2 基于猫群算法的节点定位 | 第37-38页 |
| 3.4 仿真条件与分析 | 第38-40页 |
| 3.4.1 仿真条件 | 第38页 |
| 3.4.2 仿真结果及分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 蜂群算法优化Elman神经网络在定位中应用 | 第41-57页 |
| 4.1 蜂群算法介绍 | 第41-48页 |
| 4.1.1 蜂群算法基本原理 | 第41-43页 |
| 4.1.2 术语介绍 | 第43-44页 |
| 4.1.3 基本流程 | 第44-46页 |
| 4.1.4 蜂群算法的构成要素 | 第46-48页 |
| 4.2 Elman神经经网络 | 第48-50页 |
| 4.3 蜂群算法优化Elman神经网络减小误差原理 | 第50-53页 |
| 4.3.1 非视距误差模型 | 第50-51页 |
| 4.3.2 TDOA测量误差模型 | 第51页 |
| 4.3.3 蜂群算法优化Elman神经网络减小定位误差 | 第51-53页 |
| 4.4 仿真结果及分析 | 第53-56页 |
| 4.4.1 仿真条件 | 第53页 |
| 4.4.2 仿真结果及分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |
