| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究背景及意义 | 第14-19页 |
| 1.1.1 研究进展 | 第14-15页 |
| 1.1.2 研究热点 | 第15-16页 |
| 1.1.3 主要应用 | 第16-17页 |
| 1.1.4 研究意义 | 第17-19页 |
| 1.2 研究现状分析 | 第19-22页 |
| 1.3 本文研究内容与贡献 | 第22-24页 |
| 1.4 本文的组织结构 | 第24-26页 |
| 第2章 相关工作 | 第26-39页 |
| 2.1 物联网技术在工业中的典型应用 | 第26-30页 |
| 2.1.1 智能电网输配电网监控系统 | 第26-27页 |
| 2.1.2 石油开采及管道输送监控系统 | 第27-29页 |
| 2.1.3 面向采掘业和巷道施工安全作业监控系统 | 第29-30页 |
| 2.2 物联网感知数据处理特征 | 第30-33页 |
| 2.2.1 感知数据特征 | 第30-31页 |
| 2.2.2 感知数据处理特点 | 第31-33页 |
| 2.3 物联网感知数据处理技术 | 第33-37页 |
| 2.3.1 感知数据的采集 | 第33-34页 |
| 2.3.2 以数据为中心的存储 | 第34-35页 |
| 2.3.3 多维数据的Skyline查询 | 第35-36页 |
| 2.3.4 基于感知数据的定位技术 | 第36-37页 |
| 2.4 物联网感知数据处理技术面临的问题 | 第37-38页 |
| 2.5 小结 | 第38-39页 |
| 第3章 感知数据的高效获取与泛在存储 | 第39-61页 |
| 3.1 异质网元及其分布 | 第39-41页 |
| 3.1.1 异质网元 | 第39-40页 |
| 3.1.2 异质网元分布 | 第40-41页 |
| 3.2 频率自适应的感知数据采集 | 第41-47页 |
| 3.2.1 基于节点密度的分簇 | 第41-43页 |
| 3.2.2 频率自适应的采集模型及采集策略 | 第43-46页 |
| 3.2.3 缺失数据的有效估计 | 第46-47页 |
| 3.3 基于分层扩展的泛在存储机制 | 第47-56页 |
| 3.3.1 泛在存储模型 | 第48-50页 |
| 3.3.2 存储过程的描述 | 第50-51页 |
| 3.3.3 计算IED节点的初始化 | 第51-52页 |
| 3.3.4 扩展哈希编码方法 | 第52-53页 |
| 3.3.5 多阈值级别存储 | 第53-54页 |
| 3.3.6 分层扩展存储方法及实例 | 第54-56页 |
| 3.4 实验及性能分析 | 第56-60页 |
| 3.4.1 试验参数设置 | 第56页 |
| 3.4.2 数据获取分析实验 | 第56-58页 |
| 3.4.3 数据存储分析实验 | 第58-60页 |
| 3.5 小结 | 第60-61页 |
| 第4章 基于区域的大规模感知网络数据查询 | 第61-82页 |
| 4.1 大规模感知网络的查询拓扑 | 第61-64页 |
| 4.1.1 基于图论的感知网络结构分析 | 第62-63页 |
| 4.1.2 节点的部署 | 第63页 |
| 4.1.3 查询拓扑的构建 | 第63-64页 |
| 4.2 数据查询区域的确定 | 第64-68页 |
| 4.2.1 区域查询问题描述 | 第65-66页 |
| 4.2.2 节点维护的数据结构 | 第66页 |
| 4.2.3 基于可变查询窗口的查询区域确定 | 第66-68页 |
| 4.3 源查询子网内数据的汇聚 | 第68-73页 |
| 4.3.1 关键节点的选取 | 第68-70页 |
| 4.3.2 查询数据的汇聚 | 第70-71页 |
| 4.3.3 源查询子网内查询数据汇聚算法 | 第71-73页 |
| 4.4 目的查询子网内查询数据的接收 | 第73-75页 |
| 4.4.1 接收节点的选取 | 第73-74页 |
| 4.4.2 查询数据的转发 | 第74-75页 |
| 4.5 实验及性能分析 | 第75-81页 |
| 4.5.1 查询窗口对查询的影响 | 第75-77页 |
| 4.5.2 查询能耗实验 | 第77-80页 |
| 4.5.3 查询效率实验 | 第80-81页 |
| 4.6 小结 | 第81-82页 |
| 第5章 多维感知数据的高效Skyline查询 | 第82-100页 |
| 5.1 多维感知数据查询 | 第82-85页 |
| 5.1.1 查询特点 | 第82-83页 |
| 5.1.2 问题描述 | 第83-85页 |
| 5.2 Skyline查询初始化 | 第85-87页 |
| 5.2.1 数据结构设计 | 第85-86页 |
| 5.2.2 查询初始化算法 | 第86-87页 |
| 5.3 节点削减方法 | 第87-90页 |
| 5.3.1 节点支配关系定理 | 第87-89页 |
| 5.3.2 节点削减算法 | 第89-90页 |
| 5.4 节点内部元组的削减方法 | 第90-91页 |
| 5.4.1 局部削减元组 | 第90页 |
| 5.4.2 节点内部元组削减 | 第90-91页 |
| 5.5 多维感知数据Skyline查询实例 | 第91-94页 |
| 5.6 实验及性能分析 | 第94-99页 |
| 5.6.1 实验设置 | 第94页 |
| 5.6.2 平均传输消耗的测试 | 第94-96页 |
| 5.6.3 真实轮廓百分比的测试 | 第96-98页 |
| 5.6.4 平均响应时间的测试 | 第98-99页 |
| 5.7 小结 | 第99-100页 |
| 第6章 感知数据处理技术在工业物联网中的应用验证 | 第100-120页 |
| 6.1 矿山安全生产系统的总体设计 | 第100-103页 |
| 6.1.1 应用背景 | 第100-101页 |
| 6.1.2 系统的分层结构 | 第101-103页 |
| 6.2 监测监控系统 | 第103-105页 |
| 6.2.1 节点的种类及部署 | 第103-104页 |
| 6.2.2 感知数据处理技术在监测监控系统中的应用 | 第104-105页 |
| 6.3 基于运动方程和卡尔曼滤波的人员定位系统 | 第105-113页 |
| 6.3.1 复杂空间中的动态目标 | 第106-107页 |
| 6.3.2 结合运动方程和卡尔曼滤波的追踪预测 | 第107-113页 |
| 6.3.3 动态目标追踪预测算法及算法分析 | 第113页 |
| 6.4 系统性能分析 | 第113-119页 |
| 6.4.1 实验环境与实验数据集 | 第113-114页 |
| 6.4.2 监测监控系统测试 | 第114-115页 |
| 6.4.3 人员定位系统测试 | 第115-119页 |
| 6.5 小结 | 第119-120页 |
| 第7章 结论 | 第120-123页 |
| 7.1 本文的主要贡献与结论 | 第120-122页 |
| 7.2 进一步的工作 | 第122-123页 |
| 参考文献 | 第123-138页 |
| 致谢 | 第138-139页 |
| 攻博期间发表的论文 | 第139-141页 |
| 攻博期间参与的项目 | 第141页 |