摘要 | 第1-14页 |
ABSTRACT | 第14-16页 |
第一章 绪论 | 第16-32页 |
·课题背景及意义 | 第16-19页 |
·传感器网络室内无线测距与定位问题的研究背景 | 第16-17页 |
·传感器网络室内无线测距与定位的一般过程 | 第17-18页 |
·传感器网络室内无线测距与定位的优点 | 第18-19页 |
·传感器网络室内无线测距与定位算法研究现状 | 第19-28页 |
·UWB定位系统的TOA测距估计 | 第19-22页 |
·TOA测距估计过程中的NLOS误差消除 | 第22-25页 |
·Zigbee定位系统的RSS测距估计 | 第25-26页 |
·Zigbee定位系统中基于RSS观测的定位技术 | 第26-28页 |
·本文主要内容 | 第28-29页 |
·论文结构 | 第29-32页 |
第二章 UWB能量检测接收机中基于门限的TOA测距估计 | 第32-48页 |
·引言 | 第32-34页 |
·系统模型与问题描述 | 第34-35页 |
·UWB多径信道 | 第34页 |
·能量检测接收机模型 | 第34-35页 |
·建立信号统计特性与信道参数的闭合表达式 | 第35-38页 |
·接收机信号统计特性 | 第35-36页 |
·UWB小尺度衰减特性分析 | 第36-37页 |
·信号统计特性与信道参数的关系 | 第37-38页 |
·最优门限选择 | 第38-40页 |
·次优门限选择 | 第40-42页 |
·虚警概率表达式 | 第40-42页 |
·牛顿迭代求次优门限 | 第42页 |
·仿真结果 | 第42-45页 |
·本章小结 | 第45-48页 |
第三章 UWB定位系统中基于信息融合的NLOS误差消除 | 第48-72页 |
·引言 | 第48-49页 |
·基于偏置Kalman滤波的TOA数据重构 | 第49-54页 |
·TOA数据的平滑与NLOS误差识别 | 第49-51页 |
·基于偏置Kalman滤波的误差消除 | 第51-54页 |
·系统模型与问题描述 | 第54-56页 |
·系统模型 | 第54-55页 |
·问题描述 | 第55-56页 |
·标量加权的信息融合算法 | 第56-61页 |
·NLOS误差识别 | 第58页 |
·TOA观测的自适应误差更新 | 第58-59页 |
·似然估计及RSS观测的方差 | 第59-60页 |
·信息融合平滑测距估计 | 第60-61页 |
·仿真结果 | 第61-66页 |
·LOS/N-LOS切换 | 第61-65页 |
·NLOS起始 | 第65-66页 |
·实验验证 | 第66-70页 |
·Plus UWB测距与定位平台 | 第66-68页 |
·实验结果 | 第68-70页 |
·本章小结 | 第70-72页 |
第四章 Zigbee定位系统中基于期望最大化算法的RSS测距估计 | 第72-88页 |
·引言 | 第72-73页 |
·系统模型与问题描述 | 第73-75页 |
·基于非完全数据的参数估计 | 第75-79页 |
·基于最优模型的测距估计 | 第79-80页 |
·基于权重系数的模型选择 | 第79-80页 |
·基于最优模型的测距拟合 | 第80页 |
·实验验证 | 第80-86页 |
·Zigbee测距实验平台 | 第80-82页 |
·参数估计 | 第82-83页 |
·最优模型选择与性能分析 | 第83-85页 |
·测距分析 | 第85-86页 |
·本章小结 | 第86-88页 |
第五章 Zigbee系统基于Bayes估计的RSS定位及其在叶酸检测中的应用 | 第88-104页 |
·引言 | 第88-89页 |
·基于RSS的定位算法 | 第89-96页 |
·模型参数估计 | 第89-92页 |
·基于贝叶斯估计的初定位 | 第92-95页 |
·基于加权迭代的精确定位 | 第95-96页 |
·基于定位服务的叶酸检测系统 | 第96-100页 |
·单机检测模式 | 第96-99页 |
·组网检测模式 | 第99-100页 |
·仿真与实验验证 | 第100-103页 |
·仿真结果 | 第100-101页 |
·实验验证 | 第101-103页 |
·本章小结 | 第103-104页 |
第六章 结论与展望 | 第104-106页 |
·主要结论与创新点 | 第104-105页 |
·未来研究方向 | 第105-106页 |
参考文献 | 第106-120页 |
致谢 | 第120-122页 |
攻读博士学位期间完成的论文、专利及参与的科研项目 | 第122-124页 |
附录 | 第124-140页 |
学位论文评阅及答辩情况表 | 第140页 |