| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文的结构安排 | 第15-16页 |
| 1.4 论文的主要贡献 | 第16-19页 |
| 第二章 压缩感知理论及关键技术 | 第19-27页 |
| 2.1 压缩感知理论 | 第19-20页 |
| 2.2 压缩感知关键技术 | 第20-24页 |
| 2.2.1 信号的稀疏表示 | 第20-21页 |
| 2.2.2 构建观测矩阵 | 第21-23页 |
| 2.2.3 重构算法的设计 | 第23-24页 |
| 2.3 压缩感知在定位中的应用 | 第24-25页 |
| 2.4 贝叶斯压缩感知 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于定位精度的传感器网络节点布设算法 | 第27-35页 |
| 3.1 定位模型 | 第27-29页 |
| 3.1.1 电磁波传播模型 | 第27-28页 |
| 3.1.2 基于压缩感知理论的网格化模型 | 第28-29页 |
| 3.2 基于RIP准则的传感器个数下界 | 第29-31页 |
| 3.3 仿真验证与分析 | 第31-33页 |
| 3.3.1 定位性能指标 | 第31页 |
| 3.3.2 仿真参数设置 | 第31-32页 |
| 3.3.3 仿真结果及分析 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 基于压缩感知和两阶段贝叶斯过程的多目标跟踪方案 | 第35-51页 |
| 4.1 系统模型 | 第35-38页 |
| 4.1.1 稀疏目标动态状态空间模型 | 第35-36页 |
| 4.1.2 待定位目标移动模型 | 第36-37页 |
| 4.1.3 观测模型 | 第37-38页 |
| 4.2 基于压缩感知的多目标跟踪方案 | 第38-42页 |
| 4.2.1 基于压缩感知的目标位置重构算法 | 第38-41页 |
| 4.2.2 动态目标跟踪的两阶段贝叶斯算法 | 第41-42页 |
| 4.3 基于贝叶斯压缩感知的多目标跟踪算法粒子滤波实现 | 第42-45页 |
| 4.3.1 多目标跟踪算法粒子滤波实现原理 | 第42-44页 |
| 4.3.2 粒子滤波重采样 | 第44-45页 |
| 4.4 算法仿真 | 第45-49页 |
| 4.4.1 定位性能指标 | 第45页 |
| 4.4.2 仿真参数设置 | 第45-46页 |
| 4.4.3 仿真结果分析 | 第46-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 总结和展望 | 第51-53页 |
| 5.1 研究工作总结 | 第51-52页 |
| 5.2 下一步工作及展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |