| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 引言 | 第13-14页 |
| 1.2 研究背景及意义 | 第14页 |
| 1.3 环境监测物联网研究现状 | 第14-18页 |
| 1.3.1 分簇路由算法研究现状 | 第14-15页 |
| 1.3.2 环境能量采集研究现状 | 第15-17页 |
| 1.3.3 数据融合技术研究现状 | 第17-18页 |
| 1.4 本文研究内容 | 第18-19页 |
| 1.5 本文结构安排 | 第19-20页 |
| 第二章 环境监测物联网及其相关技术 | 第20-33页 |
| 2.1 环境监测物联网基本定义 | 第20-21页 |
| 2.2 环境监测物联网底层网络 | 第21-23页 |
| 2.2.1 无线传感器网络节点结构 | 第21-22页 |
| 2.2.2 无线传感器网络系统架构 | 第22-23页 |
| 2.3 环境监测物联网分簇路由算法 | 第23-26页 |
| 2.3.1 分簇算法 | 第23-25页 |
| 2.3.2 簇的形成 | 第25页 |
| 2.3.3 数据传输 | 第25-26页 |
| 2.4 环境监测物联网数据融合技术 | 第26-30页 |
| 2.4.1 数据融合的定义和模型 | 第26-27页 |
| 2.4.2 数据融合的作用和主要方法 | 第27-28页 |
| 2.4.3 数据融合的分类 | 第28-30页 |
| 2.5 神经网络在环境监测物联网中的应用 | 第30-32页 |
| 2.5.1 神经网络模型 | 第30-31页 |
| 2.5.2 神经网络在环境监测物联网中的应用现状 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 环境监测物联网中基于风能补给的分簇路由算法 | 第33-46页 |
| 3.1 引言 | 第33页 |
| 3.2 风能补给模型 | 第33-36页 |
| 3.2.1 风能补给的特点 | 第34页 |
| 3.2.2 风能补给模型设计 | 第34-36页 |
| 3.3 风能补给下分簇路由算法设计 | 第36-38页 |
| 3.3.1 传感器节点模型 | 第36页 |
| 3.3.2 网络模型 | 第36-37页 |
| 3.3.3 设计思想 | 第37-38页 |
| 3.4 算法详述 | 第38-45页 |
| 3.4.1 基于BP神经网络的风功率预测模型 | 第38-42页 |
| 3.4.2 簇头节点选举策略 | 第42-43页 |
| 3.4.3 普通节点归属机制 | 第43页 |
| 3.4.4 节点睡眠唤醒机制 | 第43-44页 |
| 3.4.5 算法流程 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 环境监测物联网中基于神经网络的数据融合算法 | 第46-55页 |
| 4.1 基于神经网络的数据融合算法架构 | 第46-47页 |
| 4.2 基于循环神经网络(RNN)数据融合算法 | 第47-49页 |
| 4.2.1 循环神经网络(Recurrent Neural Network,RNN)概述 | 第47-48页 |
| 4.2.2 基于RNN的数据融合模型 | 第48-49页 |
| 4.3 基于卷积神经网络(CNN)数据融合算法 | 第49-51页 |
| 4.3.1 卷积神经网络(Convolutional Neural Network,CNN)概述 | 第49-50页 |
| 4.3.2 基于CNN的数据融合模型 | 第50-51页 |
| 4.3.3 基于RNN和CNN的数据融合模型 | 第51页 |
| 4.4 基于RNN和改进CNN的数据融合算法 | 第51-53页 |
| 4.4.1 线性门控单元(Gated Linear Unit,GLU) | 第52页 |
| 4.4.2 基于RNN和改进CNN的数据融合模型 | 第52-53页 |
| 4.5 算法分析 | 第53-54页 |
| 4.6 本章小节 | 第54-55页 |
| 第五章 实验仿真与结果分析 | 第55-69页 |
| 5.1 网络仿真平台 | 第55-57页 |
| 5.1.1 ONE介绍 | 第55-56页 |
| 5.1.2 ONE功能模块扩展 | 第56-57页 |
| 5.2 仿真结果与分析 | 第57-68页 |
| 5.2.1 仿真参数设置 | 第57页 |
| 5.2.2 数据融合算法实验结果分析 | 第57-60页 |
| 5.2.3 分簇路由算法实验结果对比 | 第60-68页 |
| 5.3 本章小节 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间学术成果 | 第75页 |
