无线传感器网络中机动目标定位与跟踪算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 论文研究背景及意义 | 第11-12页 |
| 1.2 无线传感器网络概述 | 第12-13页 |
| 1.3 节点定位和目标跟踪算法研究背景 | 第13-17页 |
| 1.4 本文的主要内容和结构 | 第17-19页 |
| 第二章 机动目标跟踪的基本理论和节点定位算法 | 第19-33页 |
| 2.1 目标跟踪的基本原理 | 第19-20页 |
| 2.2 机动目标跟踪的数学模型 | 第20-25页 |
| 2.2.1 CV模型 | 第21-22页 |
| 2.2.2 CA模型 | 第22-23页 |
| 2.2.3 Singer模型 | 第23-24页 |
| 2.2.4 “当前”统计模型 | 第24-25页 |
| 2.3 多目标跟踪模型 | 第25-27页 |
| 2.3.1 单站多目标跟踪系统建模 | 第26页 |
| 2.3.2 多站多目标跟踪系统建模 | 第26-27页 |
| 2.4 传感器节点自主定位算法 | 第27-31页 |
| 2.4.1 自身定位算法 | 第28-30页 |
| 2.4.2 定位算法实验 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 粒子滤波算法 | 第33-45页 |
| 3.1 粒子滤波概述 | 第33-37页 |
| 3.1.1 蒙特卡洛采样原理 | 第33-34页 |
| 3.1.2 贝叶斯重要性采样 | 第34-35页 |
| 3.1.3 序贯重要性抽样(SIS)滤波器 | 第35-36页 |
| 3.1.4 Bootstrap/SIR滤波器 | 第36-37页 |
| 3.2 贝叶斯估计理论 | 第37-38页 |
| 3.3 重采样方法 | 第38-40页 |
| 3.4 标准粒子滤波算法 | 第40-41页 |
| 3.5 几种滤波算法的仿真分析 | 第41-45页 |
| 第四章 基于遗传优化的改进粒子滤波算法 | 第45-63页 |
| 4.1 标准粒子滤波算法存在的不足 | 第45-47页 |
| 4.2 遗传算法 | 第47-50页 |
| 4.2.1 遗传算法的基本概述 | 第47-48页 |
| 4.2.2 遗传算法的影响因素 | 第48-50页 |
| 4.2.3 遗传算法的具体操作步骤 | 第50页 |
| 4.3 数据融合和K-近邻法 | 第50-56页 |
| 4.3.1 数据融合技术 | 第50-52页 |
| 4.3.2 K-近邻法 | 第52-56页 |
| 4.4 改进粒子滤波算法 | 第56-60页 |
| 4.5 改进粒子滤波算法分析 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 WSN中改进PF算法对目标的跟踪应用 | 第63-71页 |
| 5.1 对单目标的跟踪 | 第64-67页 |
| 5.2 对多目标的跟踪 | 第67-71页 |
| 第六章 内容总结与展望 | 第71-73页 |
| 6.1 内容总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 附录A 攻读硕士学位期间发表的论文和参与导师项目 | 第81页 |
