基于WSN企业生产安全监控中的数据融合算法研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景与问题概述 | 第10-11页 |
| 1.2 研究的意义与重要性 | 第11-12页 |
| 1.3 国内外研究与应用现状 | 第12-14页 |
| 1.3.1 WSN | 第12-13页 |
| 1.3.2 数据融合 | 第13-14页 |
| 1.4 研究内容与主要工作 | 第14-15页 |
| 1.5 论文组织结构 | 第15页 |
| 1.6 本章小结 | 第15-16页 |
| 第二章 相关理论与技术基础 | 第16-22页 |
| 2.1 物联网 | 第16-17页 |
| 2.2 无线传感器网络 | 第17-18页 |
| 2.3 多传感器数据融合 | 第18-21页 |
| 2.3.1 基本定义 | 第18页 |
| 2.3.2 主要特点 | 第18-19页 |
| 2.3.3 体系结构 | 第19-20页 |
| 2.3.4 融合算法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 WSN在监控系统中的应用 | 第22-28页 |
| 3.1 WSN硬件平台 | 第22-23页 |
| 3.2 WSN通信协议 | 第23-24页 |
| 3.3 监控系统目标功能 | 第24-25页 |
| 3.4 监控系统实施方案 | 第25页 |
| 3.5 安全监控机制 | 第25-27页 |
| 3.6 本章小结 | 第27-28页 |
| 第四章 数据融合算法的研究 | 第28-40页 |
| 4.1 数据融合过程 | 第28页 |
| 4.2 数据关联建模 | 第28-29页 |
| 4.3 融合算法选取 | 第29-30页 |
| 4.4 D-S证据理论 | 第30-35页 |
| 4.4.1 D-S证据理论基础 | 第30-32页 |
| 4.4.2 原理论的不足之处 | 第32-33页 |
| 4.4.3 原理论的修正 | 第33-35页 |
| 4.5 BP神经网络 | 第35-39页 |
| 4.5.1 人工神经网络基础 | 第35-36页 |
| 4.5.2 BP神经网络的缺陷 | 第36-38页 |
| 4.5.3 BP神经网络的改进 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第五章 数据融合算法的实现 | 第40-54页 |
| 5.1 实验平台简介 | 第40页 |
| 5.2 待融合数据关联 | 第40-42页 |
| 5.3 D-S证据理论 | 第42-45页 |
| 5.3.1 建立基本概率赋值函数 | 第42-43页 |
| 5.3.2 改进前后的算法对比 | 第43-45页 |
| 5.4 BP神经网络 | 第45-51页 |
| 5.4.1 网络模型的设计 | 第45-47页 |
| 5.4.2 MATLAB仿真实验 | 第47-51页 |
| 5.5 D-S理论和BP网络相结合 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 总结与展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录 | 第57-63页 |
| 攻读硕士学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附件 | 第65页 |
