| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 主要符号对照表 | 第13-14页 |
| 第1章 绪论 | 第14-31页 |
| 1.1 论文研究背景 | 第14-16页 |
| 1.1.1 WSNs在物联网中的地位 | 第14-15页 |
| 1.1.2 WSNs能耗受限问题 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-25页 |
| 1.2.1 无线传感器网络节能方法研究现状 | 第16-19页 |
| 1.2.2 数据和通信压缩采样节能方法的研究现状 | 第19-21页 |
| 1.2.3 基于时间相关性的采样压缩方法研究现状 | 第21-24页 |
| 1.2.4 基于空间相关性的采样压缩方法研究现状 | 第24-25页 |
| 1.3 课题主要研究内容与贡献 | 第25-28页 |
| 1.3.1 基于空间拓扑骨干控制的能耗控制方法 | 第25-26页 |
| 1.3.2 基于隐马尔科夫模型的数据收集控制方法 | 第26页 |
| 1.3.3 基于时间序列预测的采样节能方法 | 第26-27页 |
| 1.3.4 基于时空关联性的无线传感网采样节能方法 | 第27-28页 |
| 1.4 本文的组织结构 | 第28-30页 |
| 1.5 本章小结 | 第30-31页 |
| 第2章 基于拓扑骨干控制的全局网络数据收集节能算法 | 第31-46页 |
| 2.1 引言 | 第31页 |
| 2.2 拓扑骨干构建算法研究现状 | 第31-33页 |
| 2.3 数据收集算法设计 | 第33-39页 |
| 2.3.1 相关定义 | 第33-34页 |
| 2.3.2 基于BRP构建连通支配集 | 第34-36页 |
| 2.3.3 备份节点选择 | 第36-38页 |
| 2.3.4 均衡能耗速率 | 第38-39页 |
| 2.4 算法性能分析 | 第39-41页 |
| 2.5 实验仿真及分析 | 第41-45页 |
| 2.5.1 实验环境 | 第41-42页 |
| 2.5.2 结果分析 | 第42-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第3章 基于HMM的空间分簇网络数据收集节能算法 | 第46-62页 |
| 3.1 引言 | 第46-48页 |
| 3.2 隐马尔科夫模型 | 第48-49页 |
| 3.3 训练和应用算法 | 第49-52页 |
| 3.3.1 训练学习算法 | 第49-50页 |
| 3.3.2 应用阶段viterbi算法 | 第50-52页 |
| 3.4 问题建模及算法设计 | 第52-58页 |
| 3.4.1 问题描述 | 第52-53页 |
| 3.4.2 问题建模 | 第53-54页 |
| 3.4.3 模型训练算法 | 第54-55页 |
| 3.4.4 目标识别算法 | 第55-58页 |
| 3.5 实验仿真及分析 | 第58-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第4章 基于时间序列预测的采样节能算法 | 第62-81页 |
| 4.1 引言 | 第62-64页 |
| 4.2 时间序列预测方法 | 第64-69页 |
| 4.2.1 时间序列预测方法分析 | 第64-67页 |
| 4.2.2 ARMA算法 | 第67-68页 |
| 4.2.3 双指数平滑法 | 第68-69页 |
| 4.3 算法设计 | 第69-73页 |
| 4.3.1 预测算法与步长计算 | 第69-70页 |
| 4.3.2 事件监测及反馈 | 第70-73页 |
| 4.3.3 算法衡量指标 | 第73页 |
| 4.4 实验及分析 | 第73-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第5章 基于时空关联的无线传感网采样节能算法 | 第81-93页 |
| 5.1 引言 | 第81-82页 |
| 5.2 分簇方法综述 | 第82-84页 |
| 5.3 算法设计 | 第84-86页 |
| 5.3.1 基于MST的K-means分簇 | 第85页 |
| 5.3.2 簇首选举 | 第85-86页 |
| 5.3.3 簇内节点采样频率调整 | 第86页 |
| 5.4 实验仿真及分析 | 第86-92页 |
| 5.5 本章小结 | 第92-93页 |
| 第6章 结论与展望 | 第93-97页 |
| 6.1 总结 | 第93-95页 |
| 6.2 展望 | 第95-97页 |
| 参考文献 | 第97-108页 |
| 致谢 | 第108-109页 |
| 攻读学位期间参加的科研项目和成果 | 第109页 |