| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题来源及研究意义 | 第11-12页 |
| 1.2 WSN概述 | 第12-14页 |
| 1.2.1 WSN的概念 | 第12-13页 |
| 1.2.2 WSN异构性介绍 | 第13-14页 |
| 1.3 信息融合概述 | 第14-16页 |
| 1.4 本文的主要贡献和创新 | 第16页 |
| 1.5 本文主要研究工作和章节安排 | 第16-18页 |
| 第二章 针对土壤监测融合系统的建模及算法研究 | 第18-30页 |
| 2.1 信息融合系统的一般模型 | 第18-20页 |
| 2.1.1 信息融合的功能模型 | 第18-19页 |
| 2.1.2 融合检测的结构模型 | 第19-20页 |
| 2.2 信息融合的级别 | 第20-21页 |
| 2.3 土壤监测融合的两种模型 | 第21-24页 |
| 2.3.1 土壤的动态监测融合模型 | 第22-23页 |
| 2.3.2 土壤的静态监测融合模型 | 第23-24页 |
| 2.4 信息融合的算法 | 第24-29页 |
| 2.4.1 Bayes推理 | 第24-25页 |
| 2.4.2 Dempster-Shafer证据理论 | 第25-27页 |
| 2.4.3 模糊集理论 | 第27-28页 |
| 2.4.4 其他融合算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 针对土壤动态监测的融合算法研究 | 第30-52页 |
| 3.1 WSN的信道模型 | 第30-31页 |
| 3.1.1 无线信道的概念 | 第30-31页 |
| 3.1.2 传播空间中的路径损耗及噪声干扰 | 第31页 |
| 3.2 土壤的动态监测的HWSN模型 | 第31-33页 |
| 3.3 单目标监测的融合算法研究 | 第33-42页 |
| 3.3.1 高斯信道下单目标监测融合算法推导 | 第33-35页 |
| 3.3.2 瑞利信道统计下单目标监测融合算法推导 | 第35-38页 |
| 3.3.3 仿真结果及分析 | 第38-42页 |
| 3.4 多目标监测融合算法的研究 | 第42-51页 |
| 3.4.1 高斯信道下多目标监测融合算法推导 | 第42-44页 |
| 3.4.2 瑞利信道统计下多目标监测融合算法推导 | 第44-45页 |
| 3.4.3 仿真结果及分析 | 第45-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 针对土壤的静态监测融合改进的D-S证据理论算法 | 第52-66页 |
| 4.1 Dempster组合规则存在的问题及现有改进方法 | 第52-54页 |
| 4.1.1 Dempster组合规则存在的问题 | 第52-53页 |
| 4.1.2 针对证据冲突的现有改进方法 | 第53-54页 |
| 4.2 一种新的DSSC改进算法 | 第54-57页 |
| 4.2.1 相似性系数的概念 | 第54页 |
| 4.2.2 采用相似性系数对D-S证据的加权 | 第54-55页 |
| 4.2.3 DSSC在土壤静态监测融合应用中的实例分析 | 第55-57页 |
| 4.3 基于传统冲突度量存在的问题及其现有改进方法 | 第57-61页 |
| 4.3.1 基于传统冲突度量存在的问题 | 第57-59页 |
| 4.3.2 现有的冲突度量标准 | 第59-61页 |
| 4.4 一种新的 -mBetP unSim证据冲突度量 | 第61-64页 |
| 4.4.1 -mBet P unSim的构造 | 第61-62页 |
| 4.4.2 -mBet P unSim在土壤静态监测融合应用中的实例分析 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 证据理论在土壤静态监测融合中的应用实例分析 | 第66-73页 |
| 5.1 针对土壤静态监测的证据建模过程 | 第66页 |
| 5.2 基于三角Fuzzy数生成BPA | 第66-68页 |
| 5.3 土壤静态监测融合的一个实例 | 第68-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 全文总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 后续工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |
