無線傳感器網絡與監(jiān)測應用

第1章 緒論
1.1 當代信息化發(fā)展的技術趨勢
1.2 基于無線傳感器網絡的信息獲取
1.2.1 傳感技術及其發(fā)展
1.2.2 無線傳感器網絡的發(fā)展及其特點
1.2.3 無線傳感器網絡關鍵技術
1.3 無線傳感器網絡監(jiān)測應用
1.3.1 工業(yè)無線傳感器網絡
1.3.2 水下環(huán)境多源監(jiān)測
1.3.3 運動目標跟蹤
參考文獻
第2章 水情監(jiān)測無線傳感器網絡拓撲結構和路由算法
2.1 水情監(jiān)測的國內外發(fā)展狀況
2.2 面向水情實時監(jiān)測的wsn總體設計方案
2.2.1 基于wsn的水情監(jiān)測系統(tǒng)整體架構
2.2.2 節(jié)點硬件設計
2.2.3 協議軟件部分
2.2.4 常用網絡拓撲結構
2.3 水情wsn異構混合樹形網絡拓撲結構
2.3.1 背景
2.3.2 異構混合樹形拓撲結構設計
2.3.3 簇頭節(jié)點的選取
2.3.4 信息傳輸與能量管理
2.3.5 計算與分析
2.4 基于簇分布的leach協議改進算法
2.4.1 水情監(jiān)測中選用leach路由協議的原因
2.4.2 leach路由協議研究及其存在的問題
2.4.3 leach-nd算法設計與，性能分析
參考文獻
第3章 水情監(jiān)測無線傳感器網絡mac層協議優(yōu)化
3.1 csma／ca性能優(yōu)化及應用
3.1.1 1eee 802.15.4 mac層協議概述
3.1.2 基于差分服務markov鏈csma／ca性能評估模型
3.1.3 實時水情監(jiān)測基于信道接入機制的差分服務
3.1.4 基于隊列機制的差分服務
3.2 實時數據占空比自適應算法
3.2.1 概述
3.2.2 計算與分析
3.3 時延歸類改進型gts算法
3.3.1 網絡微積分模型
3.3.2 基于時延歸一化的dcgts算法
3.3.3 計算與分析
參考文獻
第4章 基于人工神經網絡wsn匯聚節(jié)點融合建模與硬件設計
4.1 基于人工神經網絡水情監(jiān)測wsn匯聚節(jié)點融合系統(tǒng)
4.1.1 水情信息時空相關性分析
4.1.2 基于人工神經網絡匯聚節(jié)點融合系統(tǒng)
4.1.3 人工神經網絡融合模型
4.2 面向水情數據校正人工神經網絡融合模型
4.2.1 基于人工神經網絡數據校正原理
4.2.2 樣本獲取及數據預處理
4.2.3 基于改進bpnn水情數據校正模型
4.2.4 基于rbfnn水情數據校正模型
4.2.5 兩種ann水情數據校正模型的性能評價
4.3 面向明渠流量軟測量人工神經網絡融合模型
4.3.1 基于人工神經網絡明渠流量軟測量原理
4.3.2 二次變量選取和樣本獲取
4.3.3 基于改進bpnn明渠流量軟測量模型
4.3.4 基于rbfnn明渠流量軟測量模型
4.3.5 兩種人工神經網絡明渠流量軟測量模型性能評價
4.4 基于可重構人工神經網絡融合模型匯聚節(jié)點設計
4.4.1 匯聚節(jié)點硬件電路設計
4.4.2 可重構人工神經網絡融合模型fpga實現
4.4.3 匯聚節(jié)點軟硬件集成及仿真
參考文獻
第5章 無線傳感器網絡多節(jié)點協作動目標跟蹤
5.1 無線傳感器網絡目標跟蹤主要方法與應用發(fā)展
5.1.1 研究意義
5.1.2 目標跟蹤主要方法
5.1.3 目標跟蹤應用發(fā)展
5.2 協作跟蹤理論與目標跟蹤方法
5.2.1 協作跟蹤理論與跟蹤過程
5.2.2 目標檢測與定位方法
5.2.3 目標跟蹤預測方法
5.3 基于粒子濾波預測的動目標跟蹤
5.3.1 卡爾曼預測算法原理
5.3.2 粒子濾波預測算法原理
5.3.3 基于粒子濾波預測的動目標跟蹤
5.3.4 計算與分析
5.4 基于區(qū)域控制的節(jié)點調度管理方法
5.4.1 現有動目標跟蹤節(jié)點調度算法
5.4.2 動目標跟蹤節(jié)點組織形式
5.4.3 基于區(qū)域控制的節(jié)點動態(tài)管理算法
5.4.4 計算與分析
參考文獻