| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题的背景和意义 | 第13-14页 |
| 1.2 无线传感器网络概述 | 第14-17页 |
| 1.2.1 无线传感器网络的特点 | 第15-16页 |
| 1.2.2 无线传感器网络的关键技术 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-20页 |
| 1.3.1 无线传感器网络的研究现状 | 第17-18页 |
| 1.3.2 无线传感器网络定位技术的研究现状 | 第18-19页 |
| 1.3.3 无线传感器网络修复技术的研究现状 | 第19-20页 |
| 1.4 主要研究内容和章节安排 | 第20-23页 |
| 1.4.1 主要研究内容 | 第20-21页 |
| 1.4.2 章节安排 | 第21-23页 |
| 第2章 基于TDOA的室内NLOS定位方法研究 | 第23-41页 |
| 2.1 基于无线传感器网络的室内定位 | 第23-27页 |
| 2.1.1 基本概念和术语 | 第23页 |
| 2.1.2 定位算法分类 | 第23-26页 |
| 2.1.3 NLOS定位算法概述 | 第26-27页 |
| 2.2 基于TDOA的NLOS检测及削弱算法研究 | 第27-33页 |
| 2.2.1 NLOS环境下的传播模型 | 第27-29页 |
| 2.2.2 基于序贯概率比检验的NLOS检测算法 | 第29-30页 |
| 2.2.3 基于最大联合概率的NLOS削弱算法 | 第30-31页 |
| 2.2.4 仿真与实验结果分析 | 第31-33页 |
| 2.3 基于TDOA室内定位系统设计 | 第33-40页 |
| 2.3.1 室内定位系统概述 | 第33-34页 |
| 2.3.2 系统架构及工作原理 | 第34页 |
| 2.3.3 基于TDOA室内定位节点硬件设计 | 第34-37页 |
| 2.3.4 基于TDOA室内定位系统软件设计 | 第37-39页 |
| 2.3.5 定位系统性能分析 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第3章 未知NLOS误差的移动定位方法研究 | 第41-59页 |
| 3.1 移动节点定位 | 第41-43页 |
| 3.1.1 移动节点定位算法概述 | 第41-42页 |
| 3.1.2 NLOS环境下移动节点定位研究现状 | 第42-43页 |
| 3.2 无线传感器网络移动定位滤波算法分析 | 第43-49页 |
| 3.2.1 Kalman滤波算法 | 第44-45页 |
| 3.2.2 粒子滤波算法 | 第45-46页 |
| 3.2.3 H_∞滤波算法 | 第46-48页 |
| 3.2.4 NLOS误差对滤波算法影响的分析 | 第48-49页 |
| 3.3 基于似然矩阵校正的移动定位算法研究 | 第49-57页 |
| 3.3.1 测距模型 | 第49页 |
| 3.3.2 未知NLOS误差参数的似然矩阵校正算法 | 第49-51页 |
| 3.3.3 混合Kalman-H_∞滤波算法 | 第51-53页 |
| 3.3.4 位置估计算法 | 第53-54页 |
| 3.3.5 仿真结果与分析 | 第54-57页 |
| 3.4 本章小结 | 第57-59页 |
| 第4章 基于高斯混合模型的移动鲁棒定位方法研究 | 第59-75页 |
| 4.1 基于EM算法的高斯混合模型 | 第59-62页 |
| 4.1.1 高斯混合模型 | 第59-60页 |
| 4.1.2 EM算法基本原理 | 第60-61页 |
| 4.1.3 基于EM算法的GMM参数估计 | 第61-62页 |
| 4.2 概率数据关联算法 | 第62-65页 |
| 4.2.1 基于概率数据关联的状态估计 | 第62-63页 |
| 4.2.2 关联概率计算 | 第63-64页 |
| 4.2.3 状态和协方差矩阵更新 | 第64-65页 |
| 4.3 基于高斯混合模型的NLOS定位研究 | 第65-74页 |
| 4.3.1 信号模型 | 第65-66页 |
| 4.3.2 基于GMM的测量值概率密度估计 | 第66-68页 |
| 4.3.3 改进概率数据关联滤波算法 | 第68-69页 |
| 4.3.4 残差加权位置估计 | 第69-70页 |
| 4.3.5 仿真结果与分析 | 第70-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第5章 基于二元传感器网络的多源定位方法研究 | 第75-97页 |
| 5.1 二元传感器网络多源定位 | 第75-76页 |
| 5.2 二元传感器探测模型 | 第76-79页 |
| 5.2.1 0/1探测模型 | 第76-77页 |
| 5.2.2 概率探测模型 | 第77页 |
| 5.2.3 基于Neyman-Pearson准则的探测模型 | 第77-79页 |
| 5.3 基于Fisher判别准则的双源定位算法研究 | 第79-86页 |
| 5.3.1 基于Fisher准则的传感器分类 | 第79-81页 |
| 5.3.2 多源WSNAP定位算法 | 第81页 |
| 5.3.3 仿真结果与分析 | 第81-85页 |
| 5.3.4 实验与结果分析 | 第85-86页 |
| 5.4 基于模糊C均值的多源定位算法研究 | 第86-95页 |
| 5.4.1 系统模型 | 第86-87页 |
| 5.4.2 基于模糊C均值算法的多源定位算法 | 第87-91页 |
| 5.4.3 仿真与实验结果分析 | 第91-95页 |
| 5.5 本章小结 | 第95-97页 |
| 第6章 基于能量均衡的无线传感器网络修复方法研究 | 第97-115页 |
| 6.1 无线传感器网络修复技术 | 第97-98页 |
| 6.2 网络模型的建立 | 第98-103页 |
| 6.2.1 节点探测模型 | 第99-100页 |
| 6.2.2 节点能耗模型 | 第100-101页 |
| 6.2.3 网络状态指标 | 第101-103页 |
| 6.3 基于能量均衡的网络修复算法研究 | 第103-110页 |
| 6.3.1 COST_MAX_MIN算法 | 第103-104页 |
| 6.3.2 COST_MAX_AVG算法 | 第104-105页 |
| 6.3.3 仿真结果与分析 | 第105-110页 |
| 6.4 基于PSO的网络修复算法研究 | 第110-114页 |
| 6.4.1 智能优化算法简介 | 第110-111页 |
| 6.4.2 基于LinWPSO的COST_MAX_AVG网络修复算法 | 第111-112页 |
| 6.4.3 仿真结果与分析 | 第112-114页 |
| 6.5 本章小结 | 第114-115页 |
| 第7章 总结与展望 | 第115-117页 |
| 7.1 总结 | 第115-116页 |
| 7.2 展望 | 第116-117页 |
| 参考文献 | 第117-129页 |
| 致谢 | 第129-131页 |
| 攻读博士期间发表的论文和科研情况 | 第131-132页 |
