压缩感知技术在无线传感器网络中的应用研究
| 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 课题研究背景 | 第9页 |
| 1.2 课题来源 | 第9-10页 |
| 1.3 本文工作 | 第10页 |
| 1.4 本文组织结构 | 第10-12页 |
| 第二章 无线传感器网络以及数据融合技术 | 第12-25页 |
| 2.1 无线传感器网络 | 第12-16页 |
| 2.1.1 无线传感器网络基本概念 | 第12-14页 |
| 2.1.2 无线传感器网络通信协议架构 | 第14-15页 |
| 2.1.3 无线传感器网络的应用前景 | 第15页 |
| 2.1.4 无线传感器网络的限制 | 第15-16页 |
| 2.1.5 无线传感器网络面临的挑战 | 第16页 |
| 2.2 无线传感器网络数据融合技术 | 第16-24页 |
| 2.2.1 数据融合的概念 | 第16-18页 |
| 2.2.2 数据融合算法的评判标准 | 第18页 |
| 2.2.3 不同网络模型下的数据融合算法 | 第18-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 压缩感知技术 | 第25-34页 |
| 3.1 信号的稀疏表示 | 第25-26页 |
| 3.2 观测矩阵的设计 | 第26-29页 |
| 3.3 信号重构算法 | 第29-31页 |
| 3.4 时间相关性与空间相关性 | 第31页 |
| 3.5 基于压缩感知的数据采集机制 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于数据融合树的压缩感知算法 | 第34-48页 |
| 4.1 问题的提出 | 第34-37页 |
| 4.1.1 稀疏随机投影机制（SRP） | 第35-36页 |
| 4.1.2 对稀疏随机投影机制的改进 | 第36-37页 |
| 4.2 基于最短路径树的压缩感知 | 第37-38页 |
| 4.2.1 在一般拓扑环境中的拓展 | 第37页 |
| 4.2.2 基于最短路径树的压缩感知算法 | 第37-38页 |
| 4.3 基于数据融合树的压缩感知 | 第38-42页 |
| 4.3.1 观测矩阵的设计 | 第38-39页 |
| 4.3.2 基于数据融合树的压缩感知算法 | 第39-42页 |
| 4.4 实验仿真 | 第42-47页 |
| 4.4.1 仿真环境与参数设置 | 第42-43页 |
| 4.4.2 评价标准 | 第43页 |
| 4.4.3 实验结果 | 第43-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 压缩感知在无线传感器网络中的应用 | 第48-60页 |
| 5.1 研究背景 | 第48页 |
| 5.2 各数据采集机制的能耗建模分析 | 第48-51页 |
| 5.2.1 能耗模型 | 第48-50页 |
| 5.2.2 简单链路条件下的能耗分析 | 第50-51页 |
| 5.3 仿真分析 | 第51-53页 |
| 5.3.1 重构质量 | 第51-52页 |
| 5.3.2 传感器数据的稀疏性 | 第52-53页 |
| 5.4 基于压缩感知的数据采集原型系统 | 第53-59页 |
| 5.4.1 原型系统设计方案 | 第53页 |
| 5.4.2 温度传感器DS18B20 | 第53-55页 |
| 5.4.3 CC2430传感器收发处理节点 | 第55-56页 |
| 5.4.4 CC2430汇聚节点 | 第56-57页 |
| 5.4.5 服务器端设计 | 第57-58页 |
| 5.4.6 在一般传感器网络下的扩展 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 附录1 图表清单 | 第67-68页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
