| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.3 无线传感网络 | 第13-18页 |
| 1.3.1 WSN系统结构 | 第13-14页 |
| 1.3.2 WSN节点构成 | 第14-15页 |
| 1.3.3 WSN关键技术 | 第15-16页 |
| 1.3.4 WSN网内信息处理研究现状与挑战 | 第16-18页 |
| 1.4 本文章节安排 | 第18-19页 |
| 第二章 无线传感网络(WSN)中的数据融合技术 | 第19-31页 |
| 2.1 数据融合技术的定义及功能框架 | 第19-20页 |
| 2.2 数据融合技术的分类 | 第20-24页 |
| 2.2.1 WSN中数据融合的功能模型分类 | 第21-22页 |
| 2.2.2 数据融合系统的结构模型分类 | 第22-24页 |
| 2.3 数据融合核心算法与技术 | 第24-25页 |
| 2.4 WSN中路由方式与数据融合技术 | 第25-30页 |
| 2.4.1 基于簇的数据融合路由技术 | 第26-29页 |
| 2.4.2 基于链的数据融合路由技术 | 第29页 |
| 2.4.3 基于树的数据融合路由技术 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于神经网络的WSN分簇路由数据融合技术 | 第31-49页 |
| 3.1 BP神经网络概述 | 第31-40页 |
| 3.1.1 人工神经网络的描述 | 第31-32页 |
| 3.1.2 神经元模型 | 第32-35页 |
| 3.1.3 神经网络的分类 | 第35页 |
| 3.1.4 神经网络信息处理技术 | 第35-36页 |
| 3.1.5 BP神经网络 | 第36-40页 |
| 3.2 基于WSN的改进BP神经网络数据融合算法模型构建 | 第40-47页 |
| 3.2.1 分簇路由协议的构建 | 第43页 |
| 3.2.2 基于WSN的NBPNA算法的构建 | 第43-46页 |
| 3.2.3 WSN中基于神经网络的数据融合在环境监测中的应用仿真 | 第46-47页 |
| 3.3 本章小结 | 第47-49页 |
| 第四章 基于模糊神经网络的WSN分簇路由数据融合算法模型 | 第49-65页 |
| 4.1 模糊理论基础 | 第49-54页 |
| 4.1.1 模糊集合的定义与基本运算 | 第49-50页 |
| 4.1.2 隶属函数 | 第50-52页 |
| 4.1.3 模糊逻辑与模糊推理 | 第52-53页 |
| 4.1.4 模糊逻辑系统 | 第53-54页 |
| 4.2 模糊神经网络 | 第54-63页 |
| 4.2.1 模糊神经网络结构的确定 | 第54-55页 |
| 4.2.2 基于WSN的模糊神经网络改进学习算法模型构建 | 第55-57页 |
| 4.2.3 WSN中基于模糊神经网络的的数据融合在水环境监测中的应用仿真 | 第57-63页 |
| 4.3 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 在学期间发表的学术论文和参加科研情况 | 第75页 |
