| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景以及研究的目的和意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 课题研究的目的和意义 | 第10-11页 |
| 1.2 室内环境监测系统中的无线传感器网络 | 第11-14页 |
| 1.2.1 无线传感器网络技术在室内环境监测中的应用介绍 | 第11-12页 |
| 1.2.2 室内环境监测系统中无线传感器网络的特性 | 第12-13页 |
| 1.2.3 无线传感器网络数据融合技术的国内外研究现状 | 第13-14页 |
| 1.3 本课题的主要研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第2章 数据融合算法的介绍和分析 | 第16-23页 |
| 2.1 数据融合的研究内容 | 第16-17页 |
| 2.2 无线传感器网络的数据融合算法 | 第17-20页 |
| 2.2.1 传统数据融合算法介绍 | 第17-18页 |
| 2.2.2 现代数据融合算法介绍 | 第18-20页 |
| 2.3 数据融合算法的比较和分析 | 第20-22页 |
| 2.3.1 数据融合算法的比较 | 第20-21页 |
| 2.3.2 数据融合算法的分析 | 第21页 |
| 2.3.3 当前存在的问题和未来发展趋势 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 室内环境监测中的数据融合算法研究 | 第23-36页 |
| 3.1 引言 | 第23页 |
| 3.2 室内环境监测系统的作用和数据融合算法的选择原则 | 第23-24页 |
| 3.3 专家系统 | 第24-25页 |
| 3.4 卡尔曼滤波算法研究 | 第25-30页 |
| 3.5 自适应加权算法和 D-S 证据理论算法 | 第30-35页 |
| 3.5.1 自适应加权算法 | 第31-33页 |
| 3.5.2 D-S 证据理论算法研究 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 室内环境监测系统中数据融合算法的改进 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 系统的模型 | 第36-39页 |
| 4.2.1 网络模型 | 第36-37页 |
| 4.2.2 传感器节点能量消耗分析 | 第37-38页 |
| 4.2.3 室内环境监测系统中数据融合时空架构 | 第38-39页 |
| 4.3 D-S 证据理论算法的改进 | 第39-45页 |
| 4.4 自适应加权算法的改进策略 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 数据融合算法的仿真和分析 | 第50-59页 |
| 5.1 引言 | 第50页 |
| 5.2 仿真工具 matlab 简介 | 第50页 |
| 5.3 仿真场景的确定 | 第50-51页 |
| 5.4 仿真结果和分析 | 第51-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |
