摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第14-22页 |
1.1 研究背景及研究意义 | 第14-20页 |
1.1.1 无线传感网络应用需求与挑战 | 第14-17页 |
1.1.2 数据收集与数据融合 | 第17-18页 |
1.1.3 网络编码与神经网络 | 第18-20页 |
1.2 主要工作与创新 | 第20-21页 |
1.3 论文组织 | 第21-22页 |
第二章 无线传感网络中基于DDL-LT网络编码的移动sink数据收集方案 | 第22-46页 |
2.1 引言 | 第22-24页 |
2.2 LT族无率码的编码模型 | 第24-25页 |
2.3 二分量度受限LT码(DDL-LT码) | 第25-32页 |
2.3.1 最优度分布的求解 | 第25-30页 |
2.3.2 DDL-LT码最优参数的确定 | 第30-32页 |
2.4 DDL-LT网络编码 | 第32-34页 |
2.4.1 网络模型 | 第32-33页 |
2.4.2 网络编码模型 | 第33-34页 |
2.5 DDL-LT网络编码的扩展性与传输性能分析 | 第34-38页 |
2.5.1 扩展性 | 第34-35页 |
2.5.2 码包平均传输跳数 | 第35-38页 |
2.5.3 码包最大传输跳数 | 第38页 |
2.6 网络仿真 | 第38-43页 |
2.6.1 随机直线运动的收集速度及 的取值 | 第39-40页 |
2.6.2 对编码质量的影响及其取值 | 第40-41页 |
2.6.3 性能验证 | 第41-43页 |
2.7 结论 | 第43-46页 |
第三章 无线传感网络中的分布式神经网络数据融合算法 | 第46-71页 |
3.1 引言 | 第46-47页 |
3.2 分布式神经网络算法 | 第47-53页 |
3.2.1 分层前馈神经网络简介 | 第48-50页 |
3.2.2 分布式前馈神经网络算法 | 第50-53页 |
3.3 基于分布式神经网络的数据融合 | 第53-57页 |
3.3.1 网络模型 | 第53-55页 |
3.3.2 数据融合模型 | 第55-56页 |
3.3.3 虚拟训练方案 | 第56-57页 |
3.4 融合方案性能评估 | 第57-70页 |
3.4.1 识别准确度 | 第57-61页 |
3.4.2 系统能耗 | 第61-62页 |
3.4.3 健壮性 | 第62页 |
3.4.4 复杂度分析 | 第62-64页 |
3.4.5 延迟分析与证明 | 第64-69页 |
3.4.6 安全性 | 第69-70页 |
3.5 结论 | 第70-71页 |
第四章 总结与展望 | 第71-73页 |
4.1 全文总结 | 第71页 |
4.2 研究展望 | 第71-73页 |
个人简历及攻读硕士学位期间取得成果 | 第73-74页 |
致谢 | 第74-75页 |
参考文献 | 第75-81页 |
学位论文评审后修改说明表 | 第81-83页 |
附件 | 第83-84页 |