| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及现状 | 第9-11页 |
| 1.1.1 可充电传感器节点概述 | 第9页 |
| 1.1.2 无线传感器网络概述 | 第9-10页 |
| 1.1.3 数据收集算法研究现状 | 第10-11页 |
| 1.2 论文综述及主要工作 | 第11页 |
| 1.3 论文的结构安排 | 第11-13页 |
| 第二章 无线传感器网络数据收集技术 | 第13-23页 |
| 2.1 无线可充电传感器网络 | 第13-17页 |
| 2.1.1 无线可充电传感器网络组成 | 第13-14页 |
| 2.1.2 网络体系与相关协议 | 第14-16页 |
| 2.1.3 特征及应用领域 | 第16-17页 |
| 2.2 数据收集的基本问题 | 第17-21页 |
| 2.2.1 数据收集网络基本结构 | 第17-18页 |
| 2.2.2 动态网络数据收集 | 第18-19页 |
| 2.2.3 三种动态无线传感网体系结构 | 第19-20页 |
| 2.2.4 数据收集影响因素 | 第20-21页 |
| 2.3 数据效用度量标准及应用场景 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 效用导向的移动sink数据收集 | 第23-39页 |
| 3.1 引言 | 第23-25页 |
| 3.1.1 概述 | 第23-24页 |
| 3.1.2 相关研究 | 第24-25页 |
| 3.2 模型与问题描述 | 第25-28页 |
| 3.2.1 网络模型 | 第25-26页 |
| 3.2.2 能量补充消耗模型 | 第26页 |
| 3.2.3 数据效用模型 | 第26-27页 |
| 3.2.4 问题描述 | 第27-28页 |
| 3.3 算法设计与分析 | 第28-34页 |
| 3.3.1 启发式算法 | 第28-31页 |
| 3.3.2 在线式实现 | 第31-34页 |
| 3.3.3 时间复杂度 | 第34页 |
| 3.4 仿真系统设计与性能分析 | 第34-38页 |
| 3.4.1 仿真系统设计 | 第34-35页 |
| 3.4.2 启发式算法和在线算法的比较 | 第35-36页 |
| 3.4.3 不同收集周期对算法性能的影响 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 分簇网络中的移动sink路径规划算法 | 第39-48页 |
| 4.1 概述 | 第39页 |
| 4.2 分簇无线可充电传感器网络模型 | 第39-40页 |
| 4.3 算法设计与分析 | 第40-46页 |
| 4.3.1 马尔可夫决策过程 | 第40-41页 |
| 4.3.2 增强学习算法(Q-learning) | 第41-42页 |
| 4.3.3 基于增强学习算法的移动sink路径规划 | 第42-46页 |
| 4.4 仿真系统设计与结果分析 | 第46-47页 |
| 4.4.1 仿真系统设计 | 第46页 |
| 4.4.2 仿真结果与分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录1 攻读硕士学位期间申请的专利 | 第53-54页 |
| 致谢 | 第54页 |