| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题的研究背景及其意义 | 第10-13页 |
| 1.1.1 无线传感器网络的发展历史 | 第10-11页 |
| 1.1.2 无线传感器网络概述 | 第11-12页 |
| 1.1.3 无线传感器网络应用在目标跟踪中的优势 | 第12-13页 |
| 1.2 无线传感器网络目标跟踪的关键技术和国内外研究现状 | 第13-17页 |
| 1.2.1 无线传感器网络面向目标跟踪应用的关键技术 | 第13-14页 |
| 1.2.2 无线传感器网络目标跟踪的研究现状 | 第14-17页 |
| 1.3 本文的主要研究工作及章节安排 | 第17-20页 |
| 1.3.1 本文的工作与创新 | 第17-18页 |
| 1.3.2 本文的章节安排 | 第18-19页 |
| 1.3.3 课题来源 | 第19-20页 |
| 第二章 无线传感器网络目标跟踪的关键技术 | 第20-34页 |
| 2.1 WSN目标跟踪系统和评价指标 | 第20-21页 |
| 2.1.1 WSN目标跟踪系统 | 第20页 |
| 2.1.2 WSN目标跟踪的性能评价 | 第20-21页 |
| 2.2 WSN目标定位技术 | 第21-28页 |
| 2.2.1 基于测距的定位算法 | 第21-25页 |
| 2.2.2 无需测距的定位算法 | 第25-28页 |
| 2.3 用于轨迹估计的滤波算法 | 第28-29页 |
| 2.4 经典的WSN目标跟踪算法 | 第29-32页 |
| 2.4.1 二元检测协作跟踪方法 | 第29-30页 |
| 2.4.2 动态传送树跟踪方法 | 第30-31页 |
| 2.4.3 信息驱动协作跟踪方法 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于PCRLB和粒子滤波的目标跟踪算法研究 | 第34-53页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关理论研究 | 第35-39页 |
| 3.2.1 粒子滤波理论简介 | 第35-38页 |
| 3.2.2 后验Cramer-Rao下界PCRLB理论简介 | 第38-39页 |
| 3.3 目标跟踪系统模型 | 第39-40页 |
| 3.3.1 目标运动模型 | 第39页 |
| 3.3.2 测量模型 | 第39-40页 |
| 3.3.3 量化策略 | 第40页 |
| 3.4 基于PCRLB和粒子滤波的目标跟踪算法描述 | 第40-46页 |
| 3.4.1 算法流程 | 第40-42页 |
| 3.4.2 基于PCRLB的簇首和普通任务节点选择 | 第42-45页 |
| 3.4.3 粒子滤波估计目标状态 | 第45-46页 |
| 3.5 仿真实验与性能分析 | 第46-52页 |
| 3.5.1 性能评价 | 第46-47页 |
| 3.5.2 参数设计 | 第47页 |
| 3.5.3 仿真实验 | 第47-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于LS-SVM和卡尔曼滤波的目标跟踪算法研究 | 第53-70页 |
| 4.1 引言 | 第53-54页 |
| 4.2 机器学习基础 | 第54-58页 |
| 4.2.1 机器学习理论 | 第54页 |
| 4.2.2 K近邻（KNN） | 第54-55页 |
| 4.2.3 支持向量机（SVM） | 第55-58页 |
| 4.3 基于LS-SVM和卡尔曼滤波的目标跟踪 | 第58-63页 |
| 4.3.1 算法流程 | 第58-59页 |
| 4.3.2 基于LS-SVM回归的目标位置估计算法描述 | 第59-62页 |
| 4.3.3 卡尔曼滤波对位置估计的修正 | 第62-63页 |
| 4.4 仿真实验与性能分析 | 第63-68页 |
| 4.4.1 评估指标 | 第63-64页 |
| 4.4.2 参数设计 | 第64页 |
| 4.4.3 仿真实验 | 第64-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 本文总结 | 第70-71页 |
| 5.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 致谢 | 第78页 |
