| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 WSN 目标跟踪的研究背景及意义 | 第11页 |
| 1.2 WSN 目标跟踪问题的研究现状 | 第11-13页 |
| 1.3 WSN 目标跟踪面临的主要挑战 | 第13-14页 |
| 1.4 论文的主要工作 | 第14页 |
| 1.5 论文的章节安排 | 第14-17页 |
| 第2章 WSN 目标跟踪算法节点调度策略研究 | 第17-27页 |
| 2.1 双元检测协作跟踪 | 第17-18页 |
| 2.1.1 双元检测 | 第17-18页 |
| 2.1.2 双元检测目标跟踪算法的过程 | 第18页 |
| 2.2 信息驱动协作跟踪 | 第18-20页 |
| 2.2.1 信息驱动协作跟踪算法 | 第19页 |
| 2.2.2 选择跟踪目标的节点 | 第19-20页 |
| 2.3 动态簇结构目标跟踪算法 | 第20-21页 |
| 2.3.1 动态簇结构 | 第21页 |
| 2.3.2 基于动态簇结构的目标跟踪算法 | 第21页 |
| 2.4 传送树目标跟踪算法 | 第21-26页 |
| 2.4.1 构造初始传送树结构 | 第22-23页 |
| 2.4.2 传送树结构的调整 | 第23-25页 |
| 2.4.3 传送树结构的重新构造 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 动态簇结构的改进及在 WSN 中的应用 | 第27-37页 |
| 3.1 网络的假设与初始状态 | 第27-28页 |
| 3.1.1 本文中网络的假设 | 第27-28页 |
| 3.1.2 节点自身保存信息 | 第28页 |
| 3.1.3 网络的初始状态 | 第28页 |
| 3.2 基于自适应动态簇和预测机制的跟踪算法 | 第28-33页 |
| 3.2.1 自适应动态簇组建算法 | 第29-30页 |
| 3.2.2 预测算法 | 第30-31页 |
| 3.2.3 基于预测机制的跟踪算法 | 第31-33页 |
| 3.3 仿真实验 | 第33-35页 |
| 3.4 本章总结 | 第35-37页 |
| 第4章 WSN 状态估计算法的研究及粒子滤波算法的改进 | 第37-55页 |
| 4.1 状态空间模型 | 第37页 |
| 4.2 贝叶斯滤波估计 | 第37-39页 |
| 4.3 最小二乘估计法 | 第39-40页 |
| 4.4 卡尔曼滤波估计算法 | 第40-41页 |
| 4.5 扩展卡尔曼滤波 | 第41-42页 |
| 4.6 粒子滤波算法 | 第42-45页 |
| 4.6.1 蒙特卡洛方法 | 第42-44页 |
| 4.6.1.1 蒙特卡洛方法的原理 | 第43页 |
| 4.6.1.2 蒙特卡洛方法的一般步骤 | 第43-44页 |
| 4.6.2 粒子滤波算法 | 第44-45页 |
| 4.7 改进的粒子滤波算法 | 第45-50页 |
| 4.7.1 粒子退化问题 | 第46页 |
| 4.7.2 重采样 | 第46-48页 |
| 4.7.3 改进的重采样方法 | 第48-50页 |
| 4.7.3.1 自适应部分粒子重采样 | 第49-50页 |
| 4.7.3.2 B 类粒子重采样过程 | 第50页 |
| 4.8 仿真实验 | 第50-52页 |
| 4.9 本章总结 | 第52-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |