摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-18页 |
1.1 课题研究的背景及意义 | 第12-13页 |
1.1.1 课题研究背景 | 第12页 |
1.1.2 课题研究意义 | 第12-13页 |
1.2 非视距节点定位技术研究现状 | 第13-16页 |
1.2.1 无线传感器网络概述 | 第13-14页 |
1.2.2 NLOS定位算法研究现状 | 第14-16页 |
1.3 主要研究内容与组织结构 | 第16-18页 |
1.3.1 论文研究内容 | 第16-17页 |
1.3.2 论文章节安排 | 第17-18页 |
第2章 无线传感器网络非视距定位技术 | 第18-32页 |
2.1 典型的Range-based定位算法 | 第18-20页 |
2.1.1 AOA定位法 | 第18-19页 |
2.1.2 TOA定位法 | 第19页 |
2.1.3 TDOA定位法 | 第19-20页 |
2.1.4 RSSI定位法 | 第20页 |
2.2 节点定位计算方法 | 第20-23页 |
2.2.1 三边测量法 | 第20-21页 |
2.2.2 三角测量法 | 第21-22页 |
2.2.3 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概念 | 第23-27页 |
2.3.1 概念及定义 | 第23-26页 |
2.3.2 定位算法评价标准 | 第26-27页 |
2.4 NLOS误差及其抑制 | 第27-30页 |
2.4.1 NLOS误差模型及特点 | 第27-28页 |
2.4.2 NLOS误差抑制算法分类 | 第28-30页 |
2.5 本章小结 | 第30-32页 |
第3章 最小二乘(LS)非视距定位算法研究 | 第32-42页 |
3.1 系统定位模型 | 第32页 |
3.2 多种最小二乘算法设计 | 第32-36页 |
3.2.1 常规非线性最小二乘(NLS) | 第32-33页 |
3.2.2 常规线性最小二乘(LLS) | 第33页 |
3.2.3 泰勒级数展开最小二乘(Taylor-LS) | 第33-35页 |
3.2.4 约束总体最小二乘(CLLS) | 第35-36页 |
3.3 算法仿真与结果分析 | 第36-41页 |
3.3.1 定位准确度评价指标 | 第36-37页 |
3.3.2 定位结果对比分析 | 第37-41页 |
3.4 本章小结 | 第41-42页 |
第4章 抑制NLOS误差的残差加权定位算法研究 | 第42-54页 |
4.1 经典NLOS误差抑制方法 | 第42-45页 |
4.1.1 Wylie鉴别方法 | 第42-43页 |
4.1.2 二次规划优化算法 | 第43-44页 |
4.1.3 残差加权(Rwgh)定位算法 | 第44-45页 |
4.2 基于粒子群优化的低复杂度残差加权定位算法 | 第45-48页 |
4.2.1 粒子群算法概述 | 第45页 |
4.2.2 基于粒子群优化的最小二乘算法 | 第45-46页 |
4.2.3 低复杂度残差加权算法 | 第46-48页 |
4.3 算法仿真与数据分析 | 第48-52页 |
4.3.1 算法复杂度分析 | 第48-49页 |
4.3.2 仿真实验及数据分析 | 第49-52页 |
4.4 本章小结 | 第52-54页 |
第5章 基于粒子群优化高斯混合模型的非视距定位 | 第54-64页 |
5.1 引言 | 第54页 |
5.2 RSSI测距及误差模型 | 第54-55页 |
5.2.1 RSSI测距模型 | 第54页 |
5.2.2 测量误差模型 | 第54-55页 |
5.3 高斯混合模型基本概念 | 第55-59页 |
5.3.1 高斯混合模型的描述 | 第55-56页 |
5.3.2 高斯混合模型的参数估计 | 第56-57页 |
5.3.3 聚类和初始参数设置 | 第57-59页 |
5.4 基于高斯混合模型的非视距定位算法设计 | 第59-63页 |
5.4.1 基于粒子群优化的高斯混合模型 | 第59页 |
5.4.2 仿真实验与结果分析 | 第59-63页 |
5.5 本章小结 | 第63-64页 |
第6章 总结与展望 | 第64-66页 |
6.1 总结 | 第64页 |
6.2 展望 | 第64-66页 |
参考文献 | 第66-72页 |
致谢 | 第72-74页 |
硕士期间发表的论文和专利 | 第74-76页 |
作者简介 | 第76页 |