轨道交通无线传感器网络数据聚合技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 轨道交通无线传感器网络研究现状 | 第14页 |
| 1.2.2 WSN数据聚合技术研究现状 | 第14-18页 |
| 1.3 论文主要创新工作 | 第18-19页 |
| 1.4 论文章节安排 | 第19-20页 |
| 2 轨道交通无线传感器网络数据聚合概述 | 第20-33页 |
| 2.1 轨道交通无线传感器网络概述 | 第20-22页 |
| 2.1.1 轨道交通无线传感器网络体系结构 | 第20-21页 |
| 2.1.2 轨道交通无线传感器网络特点 | 第21-22页 |
| 2.2 数据聚合概述 | 第22-24页 |
| 2.2.1 数据聚合引入 | 第22-23页 |
| 2.2.2 数据聚合概念 | 第23页 |
| 2.2.3 数据聚合作用 | 第23-24页 |
| 2.3 数据聚合算法 | 第24-28页 |
| 2.3.1 基于分布式信源编码压缩的数据聚合 | 第25页 |
| 2.3.2 基于聚类分析的数据聚合 | 第25-27页 |
| 2.3.3 基于压缩感知的数据聚合 | 第27页 |
| 2.3.4 基于反向传播神经网络的数据聚合 | 第27-28页 |
| 2.4 数据聚合协议 | 第28-32页 |
| 2.4.1 基于簇结构的聚合协议 | 第28-30页 |
| 2.4.2 基于树结构的聚合协议 | 第30-31页 |
| 2.4.3 基于链结构的聚合协议 | 第31-32页 |
| 2.4.4 基于混合结构的聚合协议 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于事件的使用PCA和SVR的数据聚合算法 | 第33-50页 |
| 3.1 系统模型 | 第33-34页 |
| 3.2 事件检测 | 第34-35页 |
| 3.3 基于主成分分析的聚合 | 第35-39页 |
| 3.3.1 主成分分析原理 | 第35-37页 |
| 3.3.2 主成分分析用于数据聚合 | 第37-39页 |
| 3.4 基于支持向量回归的聚合 | 第39-43页 |
| 3.4.1 支持向量回归 | 第39-40页 |
| 3.4.2 支持向量回归模型 | 第40-42页 |
| 3.4.3 支持向量回归预测 | 第42-43页 |
| 3.5 基于事件的PCA-SVR数据聚合算法 | 第43-44页 |
| 3.6 性能评估 | 第44-49页 |
| 3.6.1 能量模型 | 第45页 |
| 3.6.2 实验 | 第45-47页 |
| 3.6.3 仿真结果 | 第47-49页 |
| 3.7 本章小结 | 第49-50页 |
| 4 基于能量空洞度部署中继节点的聚合协议 | 第50-65页 |
| 4.1 模型建立 | 第50-53页 |
| 4.1.1 网络模型 | 第50-52页 |
| 4.1.2 能量模型 | 第52-53页 |
| 4.2 能量空洞预测 | 第53-57页 |
| 4.2.1 能量空洞问题 | 第53页 |
| 4.2.2 簇头选择因子 | 第53-54页 |
| 4.2.3 能量消耗 | 第54-56页 |
| 4.2.4 能量空洞度 | 第56-57页 |
| 4.3 中继节点部署 | 第57-58页 |
| 4.4 性能评估 | 第58-64页 |
| 4.4.1 评估参数 | 第58页 |
| 4.4.2 仿真结果 | 第58-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 结论 | 第65-67页 |
| 5.1 论文总结 | 第65-66页 |
| 5.2 论文展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |
