基于数据预测的水下传感器网络事件识别及其演变研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 1.3.1 主要内容 | 第14-15页 |
| 1.3.2 研究方法 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 水下传感器网络概述 | 第17-27页 |
| 2.1 传感器网络体系结构 | 第17-24页 |
| 2.1.1 传感器网络组成 | 第17-18页 |
| 2.1.2 传感器网络事件处理 | 第18-19页 |
| 2.1.3 传感器网络水声通信 | 第19-20页 |
| 2.1.4 传感器网络能量模型 | 第20-24页 |
| 2.2 数据聚集的路由协议 | 第24-25页 |
| 2.2.1 CARP路由协议 | 第24-25页 |
| 2.2.2 SDA聚集策略 | 第25页 |
| 2.3 面临的问题与挑战 | 第25-26页 |
| 2.3.1 代价高 | 第26页 |
| 2.3.2 能量消耗和获取问题 | 第26页 |
| 2.3.3 节点定位问题 | 第26页 |
| 2.3.4 生命周期 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 数据预测与同步机制 | 第27-40页 |
| 3.1 问题引入 | 第27-29页 |
| 3.1.1 时间序列数据应用 | 第27-28页 |
| 3.1.2 水下传感器网络限制 | 第28-29页 |
| 3.2 DBP预测模型 | 第29-32页 |
| 3.2.1 模型简介 | 第29-30页 |
| 3.2.2 技术细节 | 第30-32页 |
| 3.3 数据同步机制 | 第32-39页 |
| 3.3.1 构建维持路由树 | 第32-35页 |
| 3.3.2 数据同步 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 事件区域与演变规律 | 第40-49页 |
| 4.1 事件监测 | 第40-42页 |
| 4.2 事件区域识别 | 第42-44页 |
| 4.2.1 数据包聚集 | 第42-43页 |
| 4.2.2 事件权重图 | 第43-44页 |
| 4.3 事件中心与演变规律 | 第44-48页 |
| 4.3.1 确定事件源 | 第44-46页 |
| 4.3.2 事件演变规律 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 模拟实验和结果评估 | 第49-60页 |
| 5.1 环境设置 | 第49-51页 |
| 5.1.1 环境参数设置 | 第49-50页 |
| 5.1.2 可控变量设置 | 第50-51页 |
| 5.2 结果评估 | 第51-56页 |
| 5.2.1 数据变化与误差 | 第51-53页 |
| 5.2.2 节点波动与倾斜度 | 第53-54页 |
| 5.2.3 事件演变规律 | 第54-56页 |
| 5.3 对比实验 | 第56-59页 |
| 5.3.1 PDP与CARP比较 | 第56-58页 |
| 5.3.2 PDP与SDA比较 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60页 |
| 6.2 研究展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-68页 |
