| 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9-12页 |
| 1.1 课题背景 | 第9页 |
| 1.2 课题来源 | 第9页 |
| 1.3 本文工作 | 第9-10页 |
| 1.4 论文结构安排 | 第10-12页 |
| 第二章 无线传感器网络 | 第12-19页 |
| 2.1 无线传感器网络的定义 | 第12页 |
| 2.2 无线传感器网络的构成 | 第12-13页 |
| 2.3 无线传感器网络的应用 | 第13-15页 |
| 2.4 无线传感器网络应用中的重要特性 | 第15-18页 |
| 2.5 无线传感器网络的展望 | 第18页 |
| 2.6 本章小结 | 第18-19页 |
| 第三章 压缩感知及数据融合技术 | 第19-30页 |
| 3.1 压缩感知理论 | 第19-24页 |
| 3.1.1 压缩感知理论的简单介绍 | 第19-20页 |
| 3.1.2 信号的稀疏表示 | 第20-21页 |
| 3.1.3 测量矩阵 | 第21-23页 |
| 3.1.4 重构算法 | 第23-24页 |
| 3.2 数据融合技术 | 第24-27页 |
| 3.2.1 数据融合的概念 | 第24-25页 |
| 3.2.2 数据融合算法分类 | 第25-27页 |
| 3.2.3 数据融合技术的挑战 | 第27页 |
| 3.3 基于压缩感知的数据采集机制 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于最短路径树的压缩感知数据收集算法 | 第30-42页 |
| 4.1 引言 | 第30-31页 |
| 4.2 稀疏随机投影 | 第31-33页 |
| 4.2.1 稀疏随机投影机制 | 第31-32页 |
| 4.2.2 稀疏投影测量矩阵的生成 | 第32-33页 |
| 4.3 网络能量消耗模型 | 第33-34页 |
| 4.4 基于最短路径树的压缩感知数据收集算法 | 第34-37页 |
| 4.4.1 基于最短路径树的数据收集算法基本思想 | 第34-35页 |
| 4.4.2 基于最短路径树的数据收集算法具体描述 | 第35-37页 |
| 4.5 实验仿真 | 第37-41页 |
| 4.5.1 实验设计 | 第37-38页 |
| 4.5.2 性能评价标准 | 第38页 |
| 4.5.3 实验结果 | 第38-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第五章 基于节点选择的数据融合树压缩感知算法 | 第42-56页 |
| 5.1 引言 | 第42-43页 |
| 5.2 网络能量消耗模型 | 第43-44页 |
| 5.3 基于节点选择的数据融合树压缩感知算法 | 第44-50页 |
| 5.3.1 基于节点选择的数据融合树压缩感知算法 | 第44-47页 |
| 5.3.2 基于节点选择的数据融合树压缩感知算法的改进 | 第47-50页 |
| 5.3.3 时间复杂度分析 | 第50页 |
| 5.4 实验仿真 | 第50-55页 |
| 5.4.1 实验设计 | 第50-52页 |
| 5.4.2 性能评价标准 | 第52页 |
| 5.4.3 全局数据包传输量 | 第52-54页 |
| 5.4.4 负载分配和均衡 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56页 |
| 6.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |