摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-16页 |
1.1 课题背景与研究意义 | 第10-11页 |
1.2 温室环境的特点和温室环境控制的研究现状 | 第11-13页 |
1.3 论文的研究内容和结构安排 | 第13-16页 |
第2章 多传感器数据融合理论 | 第16-32页 |
2.1 多传感器数据融合概述 | 第16-18页 |
2.1.1 多传感器数据融合的特点 | 第16-17页 |
2.1.2 多传感器数据融合的发展趋势 | 第17-18页 |
2.2 多传感器数据融合的功能模型 | 第18-20页 |
2.3 多传感器数据融合的结构模型 | 第20-25页 |
2.3.1 检测级融合结构模型 | 第21-22页 |
2.3.2 位置级融合结构模型 | 第22-23页 |
2.3.3 属性级融合结构模型 | 第23-25页 |
2.4 多传感器数据融合的数学模型 | 第25-30页 |
2.4.1 传统数据融合算法 | 第26-27页 |
2.4.2 现代数据融合算法 | 第27-29页 |
2.4.3 数据融合算法的比较和分析 | 第29-30页 |
2.4.4 当前算法存在的问题和未来的发展趋势 | 第30页 |
2.5 本章小结 | 第30-32页 |
第3章 温室环境中数据融合算法的研究 | 第32-52页 |
3.1 温室环境数据融合算法的选择 | 第32页 |
3.2 数据融合主要算法分析 | 第32-37页 |
3.2.1 加权平均算法 | 第32-34页 |
3.2.2 卡尔曼滤波算法 | 第34-36页 |
3.2.3 D-S证据推理算法 | 第36-37页 |
3.3 D-S证据理论 | 第37-43页 |
3.3.1 证据理论的基本概念 | 第37-40页 |
3.3.2 D-S理论合成规则 | 第40-43页 |
3.4 D-S证据推理算法的改进 | 第43-48页 |
3.4.1 D-S证据推理算法的不足 | 第43-45页 |
3.4.2 利用证据一致性和焦元聚焦度改进D-S推理算法 | 第45-48页 |
3.5 仿真分析 | 第48-50页 |
3.6 本章小结 | 第50-52页 |
第4章 数据融合在温室监控系统中的应用 | 第52-70页 |
4.1 温室监控系统设计 | 第52-59页 |
4.1.1 系统开发环境 | 第52-53页 |
4.1.2 系统结构设计 | 第53-54页 |
4.1.3 系统软件设计 | 第54-59页 |
4.2 基于改进的D-S证据推理的数据融合模块设计 | 第59-66页 |
4.2.1 监控模型设计 | 第59-61页 |
4.2.2 局部融合部分设计 | 第61-65页 |
4.2.3 全局融合部分设计 | 第65-66页 |
4.3 融合结果分析 | 第66-68页 |
4.4 本章小结 | 第68-70页 |
第5章 总结与展望 | 第70-74页 |
5.1 工作总结 | 第70-71页 |
5.2 未来展望 | 第71-74页 |
参考文献 | 第74-78页 |
致谢 | 第78页 |