| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·本课题研究的意义 | 第8-9页 |
| ·WSN 节点故障诊断的国内外研究现状 | 第9-11页 |
| ·本文的主要研究内容 | 第11-13页 |
| 第二章 时间序列分析及信息融合相关理论 | 第13-35页 |
| ·时间序列模型 | 第13-14页 |
| ·ARMA 模型 | 第13-14页 |
| ·AR 模型 | 第14页 |
| ·MA 模型 | 第14页 |
| ·样本平稳性判断 | 第14-16页 |
| ·时间序列模型识别、定阶及参数确定的方法 | 第16-23页 |
| ·模型识别 | 第17页 |
| ·时间序列模型的定阶方法 | 第17-20页 |
| ·模型参数确定方法 | 第20-23页 |
| ·信息融合的基本概念及其原理 | 第23-24页 |
| ·信息融合的层次 | 第24-27页 |
| ·数据级融合 | 第26页 |
| ·特征级融合 | 第26页 |
| ·决策级融合 | 第26-27页 |
| ·故障诊断的信息融合方法 | 第27-34页 |
| ·贝叶斯信息融合方法 | 第27-28页 |
| ·模糊信息融合方法 | 第28-29页 |
| ·神经网络信息融合方法 | 第29-31页 |
| ·D-S 证据理论信息融合方法 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于时间序列的 WSN 节点故障诊断方法 | 第35-55页 |
| ·WSN 节点故障诊断概述 | 第35-40页 |
| ·WSN 体系结构 | 第35-37页 |
| ·基本概念 | 第37-38页 |
| ·WSN 的故障层次 | 第38-40页 |
| ·样本预处理 | 第40-42页 |
| ·时间序列的故障诊断方法 | 第42-47页 |
| ·方法思想 | 第42-43页 |
| ·关于隶属度函数的讨论 | 第43-44页 |
| ·基于时间序列的故障诊断方法流程 | 第44-47页 |
| ·仿真及结果分析 | 第47-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 基于信息融合的 WSN 节点故障诊断方法 | 第55-69页 |
| ·基于空间特性的 WSN 节点故障诊断方法 | 第55-61页 |
| ·基于空间特性的 WSN 节点故障诊断算法 | 第56-57页 |
| ·改进的基于空间特性的 WSN 节点故障诊断算法 | 第57-58页 |
| ·仿真分析 | 第58-61页 |
| ·基于 D-S 证据理论的 WSN 节点故障诊断方法 | 第61-66页 |
| ·D-S 证据理论的 WSN 节点故障诊断的原理 | 第62-64页 |
| ·D-S 证据理论故障诊断的流程 | 第64-66页 |
| ·仿真及结论 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-79页 |