| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.3 论文的主要贡献与创新 | 第13-14页 |
| 1.4 论文结构安排 | 第14-17页 |
| 第二章 压缩感知理论及其应用分析 | 第17-29页 |
| 2.1 压缩感知基本理论及优势分析 | 第17-22页 |
| 2.1.1 信号的稀疏表达 | 第18-19页 |
| 2.1.2 测量矩阵的性质 | 第19-21页 |
| 2.1.3 恢复算法的分析比较 | 第21-22页 |
| 2.2 基于CS的WSN分簇策略分析 | 第22-25页 |
| 2.2.1 CS在WSN中数据收集流程 | 第22-23页 |
| 2.2.2 WSN分簇策略分析 | 第23-25页 |
| 2.3 WSN分布式数据存储方案分析 | 第25-27页 |
| 2.3.1 WSN数据存储分类及特点 | 第25-26页 |
| 2.3.2 分布式数据存储方案分析 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 压缩感知在分簇WSN数据收集中的应用研究 | 第29-47页 |
| 3.1 WSN中基于CS的分簇数据融合策略设计 | 第29-33页 |
| 3.1.1 现有WSN数据融合方案比较分析 | 第29-31页 |
| 3.1.2 基于Hybrid-CS的六边形分簇方案设计 | 第31-33页 |
| 3.2 网络系统模型与问题描述 | 第33-35页 |
| 3.2.1 网络模型 | 第33-34页 |
| 3.2.2 问题描述 | 第34-35页 |
| 3.3 WSN中一种新的Hybrid-CS方法研究 | 第35-40页 |
| 3.3.1 普通节点与簇头节点间的路由方式 | 第35-38页 |
| 3.3.2 网络能量消耗分析 | 第38-40页 |
| 3.4 仿真结果与分析 | 第40-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 压缩感知在WSN中分布式数据存储的应用研究 | 第47-63页 |
| 4.1 信号模型与无线传感器网络部署 | 第47-49页 |
| 4.1.1 信号模型 | 第47-48页 |
| 4.1.2 无线传感器网络的部署 | 第48-49页 |
| 4.2 基于时空相关的WSN分布式存储方案 | 第49-56页 |
| 4.2.1 时空相关二维压缩感知分析 | 第49-50页 |
| 4.2.2 其他基于CS的DDS方案分析比较 | 第50-51页 |
| 4.2.3 时空相关性DDS方案设计 | 第51-53页 |
| 4.2.4 测量矩阵的形成过程 | 第53-56页 |
| 4.3 仿真与性能评估 | 第56-60页 |
| 4.4 本章小结 | 第60-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文工作总结 | 第63-64页 |
| 5.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 缩略语 | 第71-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75页 |
