| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容及结构安排 | 第13-16页 |
| 第2章 无线传感器网络的时钟同步 | 第16-24页 |
| 2.1 时钟同步的实现机制 | 第16-17页 |
| 2.2 无线传感器网络的同步机制 | 第17-21页 |
| 2.2.1 集中式无线传感器网络的同步机制 | 第17-20页 |
| 2.2.2 分布式无线传感器网络的同步机制 | 第20-21页 |
| 2.3 无线传感器网络的同步机制性能指标 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 基于Bootstrap算法的滤波估计 | 第24-34页 |
| 3.1 IEEE1588同步协议 | 第24-26页 |
| 3.2 Kalman滤波估计 | 第26-29页 |
| 3.2.1 时偏与频偏估计 | 第26-29页 |
| 3.2.2 Kalman滤波仿真分析 | 第29页 |
| 3.3 改进Bootstrap算法的滤波估计 | 第29-32页 |
| 3.3.1 Bootstrap统计算法 | 第30页 |
| 3.3.2 改进Bootstrap统计算法 | 第30-31页 |
| 3.3.3 基于Bootstrap滤波算法的仿真分析 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于Bootstrap的自然选择粒子群融合算法 | 第34-46页 |
| 4.1 数据融合算法 | 第34-36页 |
| 4.1.1 自适应加权融合算法 | 第34-35页 |
| 4.1.2 基于自然选择的粒子群融合算法 | 第35-36页 |
| 4.2 自适应与粒子群融合算法的仿真分析 | 第36-41页 |
| 4.2.1 卡尔曼滤波仿真估计 | 第37-39页 |
| 4.2.2 自适应加权融合算法的仿真分析 | 第39页 |
| 4.2.3 基于自然选择的粒子群融合算法的仿真分析 | 第39-41页 |
| 4.3 基于Bootstrap算法的粒子群融合算法 | 第41-44页 |
| 4.3.1 小样本的滤波估计 | 第41-43页 |
| 4.3.2 小样本条件下的自然选择的粒子群融合算法仿真分析 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 基于ATS协议的同步精度和收敛速度的改进结果 | 第46-62页 |
| 5.1 数学预备知识 | 第46-47页 |
| 5.2 时钟同步 | 第47-49页 |
| 5.2.1 时钟模型 | 第47-49页 |
| 5.2.2 同步目标 | 第49页 |
| 5.3 ATS算法模型 | 第49-52页 |
| 5.3.1 伪周期 | 第50页 |
| 5.3.2 相对斜率估计 | 第50-51页 |
| 5.3.3 斜率补偿估计 | 第51页 |
| 5.3.4 相位补偿估计 | 第51-52页 |
| 5.4 基于ATS协议的改进方法 | 第52-54页 |
| 5.4.1 基于ATS协议的高精度同步 | 第52-53页 |
| 5.4.2 基于ATS协议的分层同步算法 | 第53-54页 |
| 5.5 改进ATS协议的仿真分析 | 第54-60页 |
| 5.5.1 ATS算法仿真 | 第54-57页 |
| 5.5.2 基于ATS协议高精度同步的仿真分析 | 第57-59页 |
| 5.5.3 基于ATS协议的分层同步算法的仿真分析 | 第59-60页 |
| 5.6 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-72页 |
| 致谢 | 第72页 |
