| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 无线传感器网络概述 | 第13-16页 |
| 1.2.1 无线传感器网络特征分析 | 第14-15页 |
| 1.2.2 无线传感器网络关键技术 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-19页 |
| 1.3.1 无线传感器网络研究现状 | 第16-17页 |
| 1.3.2 非视距定位算法研究现状 | 第17-19页 |
| 1.4 主要研究内容与章节安排 | 第19-22页 |
| 1.4.1 主要研究内容 | 第19-20页 |
| 1.4.2 章节安排 | 第20-22页 |
| 第2章 无线传感器网络非视距节点定位算法 | 第22-30页 |
| 2.1 无线传感器网络定位的基本概念 | 第22-23页 |
| 2.2 基于测距的定位算法 | 第23-25页 |
| 2.2.1 基于RSSI的定位算法 | 第24页 |
| 2.2.2 基于AOA的定位算法 | 第24页 |
| 2.2.3 基于TDOA的定位算法 | 第24-25页 |
| 2.2.4 基于TOA的定位算法 | 第25页 |
| 2.3 定位算法评价标准 | 第25-26页 |
| 2.4 非视距节点定位算法分析 | 第26-29页 |
| 2.4.1 非视距误差特性分析 | 第27页 |
| 2.4.2 非视距节点定位算法分类 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于严格残差选择的非视距状态鉴别定位算法研究 | 第30-46页 |
| 3.1 基于非视距状态鉴别的定位算法研究现状 | 第30-31页 |
| 3.2 算法结构设计 | 第31-32页 |
| 3.3 基于严格残差选择的移动节点定位算法 | 第32-36页 |
| 3.3.1 测距模型 | 第32-33页 |
| 3.3.2 扩展卡尔曼滤波算法及其线性回归模型 | 第33-35页 |
| 3.3.3 严格残差选择策略 | 第35-36页 |
| 3.3.4 变节点扩展卡尔曼滤波算法 | 第36页 |
| 3.4 实验结果与分析 | 第36-45页 |
| 3.4.1 算法仿真与结果分析 | 第36-42页 |
| 3.4.2 现场实验与数据分析 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于变量核密度估计的鲁棒移动定位算法研究 | 第46-58页 |
| 4.1 非视距传播模型 | 第46-47页 |
| 4.2 基于M-估计的鲁棒移动定位算法 | 第47-49页 |
| 4.2.1 极大似然定位估计算法 | 第47-48页 |
| 4.2.2 M-估计定位算法 | 第48-49页 |
| 4.3 基于变量核密度估计的鲁棒定位算法设计 | 第49-52页 |
| 4.3.1 系统模型 | 第49-51页 |
| 4.3.2 基于变量核密度估计的节点定位算法 | 第51页 |
| 4.3.3 最邻近变量核密度估计算法 | 第51-52页 |
| 4.4 实验结果与分析 | 第52-57页 |
| 4.4.1 算法仿真与结果分析 | 第52-56页 |
| 4.4.2 现场实验与数据分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 基于投票选择机制的概率数据关联算法研究 | 第58-76页 |
| 5.1 算法结构设计 | 第58-59页 |
| 5.2 基于投票选择机制的测量数据预处理方法 | 第59-61页 |
| 5.3 基于投票选择机制的非视距定位算法研究 | 第61-66页 |
| 5.3.1 信号模型 | 第61页 |
| 5.3.2 基于投票选择机制的概率数据关联算法 | 第61-65页 |
| 5.3.3 基于参考节点选择的线性最小二乘算法 | 第65-66页 |
| 5.4 实验结果与分析 | 第66-74页 |
| 5.4.1 算法仿真与结果分析 | 第66-72页 |
| 5.4.2 现场实验与数据分析 | 第72-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 硕士期间的科研成果 | 第86-88页 |
| 作者简介 | 第88页 |