| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景及意义 | 第11页 |
| 1.2 无线传感器网络概述 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 无线传感器网络的研究现状 | 第13-14页 |
| 1.3.2 无线传感器网络定位技术的研究现状 | 第14-16页 |
| 1.4 主要研究内容与组织结构 | 第16-19页 |
| 1.4.1 论文研究内容 | 第16-17页 |
| 1.4.2 论文章节安排 | 第17-19页 |
| 第2章 无线传感器网络非视距定位技术 | 第19-31页 |
| 2.1 典型的Range-based定位算法 | 第19-21页 |
| 2.1.1 AOA定位法 | 第19页 |
| 2.1.2 TOA定位法 | 第19-20页 |
| 2.1.3 TDOA定位法 | 第20页 |
| 2.1.4 RSSI定位法 | 第20-21页 |
| 2.2 节点定位计算方法 | 第21-23页 |
| 2.2.1 三边测量法 | 第21-22页 |
| 2.2.2 极大似然估计法 | 第22-23页 |
| 2.3 无线传感器网络非视距定位机制 | 第23-24页 |
| 2.3.1 非视距定位概念及定义 | 第23-24页 |
| 2.3.2 定位算法评价标准 | 第24页 |
| 2.4 NLOS误差及其抑制 | 第24-29页 |
| 2.4.1 NLOS误差模型及特点 | 第25-27页 |
| 2.4.2 NLOS误差抑制算法分类 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 室内无线传感器网络的HMM定位算法 | 第31-53页 |
| 3.1 基于UWB的距离概率模型 | 第31-34页 |
| 3.2 基于HMM的算法介绍 | 第34-35页 |
| 3.2.1 HMM概念介绍 | 第34-35页 |
| 3.2.2 HMM典型问题 | 第35页 |
| 3.3 改进HMM的算法设计 | 第35-47页 |
| 3.3.1 基于运动惯性的算法改进(I-D/TA) | 第35-42页 |
| 3.3.2 基于回溯的目标修复算法改进(M-HMM) | 第42-47页 |
| 3.3.3 回溯更新算法 | 第47页 |
| 3.4 算法仿真与结果分析 | 第47-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 基于IMM与HMM概率混合模型的定位算法研究 | 第53-69页 |
| 4.1 IMM概率模型 | 第53页 |
| 4.2 IMM模型与EKF融合算法 | 第53-55页 |
| 4.2.1 EKF算法概述 | 第53-55页 |
| 4.2.2 IMM模型与EKF融合算法 | 第55页 |
| 4.3 HMM与IMM算法融合设计 | 第55-59页 |
| 4.4 克拉美罗界的推导 | 第59-60页 |
| 4.5 仿真实验与结果分析 | 第60-67页 |
| 4.7 本章小结 | 第67-69页 |
| 第5章 基于智能优化算法的HMM初值优化 | 第69-93页 |
| 5.1 HMM初值优化算法 | 第69-70页 |
| 5.2 基于粒子群的HMM初值优化 | 第70-78页 |
| 5.2.1 一种降维度的粒子群优化算法 | 第71-73页 |
| 5.2.2 一种改进的边界的粒子群优化算法 | 第73-78页 |
| 5.3 智能优化融合算法 | 第78-86页 |
| 5.3.1 模拟退火与遗传算法的混合优化算法 | 第78-85页 |
| 5.3.2 基于粒子群与模拟退火的混合优化算法 | 第85-86页 |
| 5.4 仿真实验与结果分析 | 第86-91页 |
| 5.5 本章小结 | 第91-93页 |
| 第6章 总结与展望 | 第93-95页 |
| 6.1 总结 | 第93页 |
| 6.2 展望 | 第93-95页 |
| 参考文献 | 第95-101页 |
| 致谢 | 第101-103页 |
| 硕士期间发表的论文和专利 | 第103-104页 |
| 作者简介 | 第104页 |
