| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 本文的内容安排 | 第11-13页 |
| 第二章 无线传感器网络中数据去噪和数据修复问题的概述 | 第13-25页 |
| 2.1 无线传感器网络的概述 | 第13-18页 |
| 2.1.1 传感器节点的结构 | 第13-14页 |
| 2.1.2 无线传感器网络的特点 | 第14-15页 |
| 2.1.3 无线传感器网络的关键技术 | 第15-17页 |
| 2.1.4 无线传感器网络的应用 | 第17-18页 |
| 2.2 去噪问题的概述 | 第18-20页 |
| 2.2.1 数据去噪的基本概念 | 第18-19页 |
| 2.2.2 去噪的算法介绍 | 第19-20页 |
| 2.3 数据修复问题的概述 | 第20-23页 |
| 2.3.1 数据丢失问题的原因 | 第20页 |
| 2.3.2 数据修复算法的介绍 | 第20-23页 |
| 2.3.3 数据修复面临的问题 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于灰色关联度的丢失数据估算算法 | 第25-32页 |
| 3.1 网络模型 | 第25页 |
| 3.2 问题描述和相关概念 | 第25-27页 |
| 3.2.1 问题描述 | 第25-26页 |
| 3.2.2 相关概念 | 第26-27页 |
| 3.3 算法 | 第27-30页 |
| 3.3.1 数据去噪 | 第27-28页 |
| 3.3.2 灰色关联度计算 | 第28页 |
| 3.3.3 邻居节点选取 | 第28-29页 |
| 3.3.4 丢失数据估算 | 第29页 |
| 3.3.5 算法伪代码 | 第29-30页 |
| 3.4 实验 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于时空关联的丢失数据估算算法 | 第32-46页 |
| 4.1 引言 | 第32页 |
| 4.2 网络模型 | 第32-33页 |
| 4.3 问题描述和相关概念 | 第33-34页 |
| 4.3.1 问题描述 | 第33页 |
| 4.3.2 相关概念 | 第33-34页 |
| 4.4 算法 | 第34-42页 |
| 4.4.1 小波阈值去噪模型 | 第35-38页 |
| 4.4.2 DTW相似距离计算 | 第38-40页 |
| 4.4.3 数据估算 | 第40-41页 |
| 4.4.4 算法伪代码 | 第41-42页 |
| 4.5 实验 | 第42-45页 |
| 4.6 本章小节 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 全文工作总结 | 第46-47页 |
| 5.2 下一步研究方向 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 个人简历 | 第52-53页 |
| 在学期间研究成果及发表的学术论文 | 第53页 |