能量高效的分布式目标跟踪与状态检测算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 引言 | 第9-10页 |
| 1.2 分布式目标跟踪研究现状 | 第10-16页 |
| 1.2.1 基于融合中心 | 第11-12页 |
| 1.2.2 基于领导节点 | 第12-13页 |
| 1.2.3 完全分布式 | 第13-15页 |
| 1.2.4 节点规划 | 第15-16页 |
| 1.3 分布式状态检测研究现状 | 第16-18页 |
| 1.4 本文的主要内容和安排 | 第18-21页 |
| 第二章 基于领导节点的目标跟踪算法 | 第21-33页 |
| 2.1 系统模型 | 第21-22页 |
| 2.2 信息形式的卡尔曼滤波算法简介 | 第22-23页 |
| 2.3 目标跟踪与节点规划过程 | 第23-24页 |
| 2.4 节点规划算法 | 第24-28页 |
| 2.4.1 通信能量约束 | 第24-25页 |
| 2.4.2 代价函数 | 第25-26页 |
| 2.4.3 节点规划算法 | 第26-28页 |
| 2.5 仿真结果与分析 | 第28-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 结合节点规划策略的分布式目标跟踪算法 | 第33-47页 |
| 3.1 系统模型 | 第33-34页 |
| 3.2 一致性算法简介 | 第34页 |
| 3.3 现有分布式目标跟踪算法 | 第34-39页 |
| 3.3.1 粒子滤波简介 | 第35-37页 |
| 3.3.2 基于权值一致的分布式跟踪算法 | 第37-38页 |
| 3.3.3 基于后验参数一致的分布式跟踪算法 | 第38页 |
| 3.3.4 基于似然参数一致的分布式跟踪算法 | 第38-39页 |
| 3.4 结合节点规划策略的分布式目标跟踪算法 | 第39-42页 |
| 3.4.1 跟踪算法流程 | 第39-40页 |
| 3.4.2 节点规划算法 | 第40-42页 |
| 3.5 仿真结果与分析 | 第42-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于社会学习机制的分布式状态检测算法 | 第47-61页 |
| 4.1 社会学习简介 | 第47-50页 |
| 4.1.1 贝叶斯社会学习 | 第47-49页 |
| 4.1.2 非贝叶斯社会学习 | 第49-50页 |
| 4.2 分布式状态检测问题 | 第50-51页 |
| 4.3 基于社会学习机制的分布式状态检测算法 | 第51-55页 |
| 4.3.1 状态置信的更新 | 第51页 |
| 4.3.2 收敛性分析 | 第51-54页 |
| 4.3.3 邻居间传递的决策 | 第54-55页 |
| 4.4 仿真结果与分析 | 第55-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 硕士期间发表论文 | 第67-68页 |
| 致谢 | 第68-69页 |
