| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 无线传感器网络概述 | 第10-12页 |
| 1.2 UWB 技术研究现状 | 第12-13页 |
| 1.3 WSN 节点定位研究现状 | 第13-14页 |
| 1.4 课题研究背景和意义 | 第14-15页 |
| 1.5 论文内容安排 | 第15-18页 |
| 第2章 基础知识 | 第18-30页 |
| 2.1 UWB 相关理论 | 第18-20页 |
| 2.2 相关数学知识 | 第20-24页 |
| 2.3 最大似然估计 | 第24-26页 |
| 2.4 WSN 定位方法概述 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于阈值的 UWB 信号 TOA 估计算法 | 第30-38页 |
| 3.1 信道模型 | 第31-32页 |
| 3.2 MES 算法 | 第32-33页 |
| 3.3 TC 算法 | 第33页 |
| 3.4 MES-SB 算法 | 第33-34页 |
| 3.5 算法仿真及分析 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第4章 Weibull 噪声背景下基于 ML-CFAR 的 WSN 三维节点定位研究 | 第38-48页 |
| 4.1 信道模型 | 第39-40页 |
| 4.2 基于 ML-CFAR 的 TOA 估计算法原理 | 第40-41页 |
| 4.3 高斯噪声背景下基于 ML-CFAR 的 TOA 估计算法 | 第41-42页 |
| 4.4 Weibull 噪声背景下基于 ML-CFAR 的 TOA 估计算法 | 第42-43页 |
| 4.5 三维 Taylor 定位算法 | 第43-44页 |
| 4.6 算法仿真 | 第44-46页 |
| 4.7 本章小结 | 第46-48页 |
| 第5章 Weibull 噪声背景下基于 CA-CFAR 的 WSN 三维节点定位研究 | 第48-58页 |
| 5.1 信道模型 | 第48-49页 |
| 5.2 基于 CA-CFAR 的 TOA 估计算法原理 | 第49-50页 |
| 5.3 高斯噪声背景下基于 CA-CFAR 的 TOA 估计算法 | 第50-51页 |
| 5.4 Weibull 噪声背景下基于 CA-CFAR 的 TOA 估计算法 | 第51-52页 |
| 5.5 算法仿真 | 第52-55页 |
| 5.6 本章小结 | 第55-58页 |
| 第6章 全文总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 导师及作者简介 | 第66-67页 |
| 在研期间所取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
