分布式传感器网络 上PDF电子书下载

Ⅰ 概论 2

第1章　概论 2

1.1　引言 2

1.2　应用实例 4

1.3　传感器网络中的计算问题 6

1.4　分布式传感器网络的需求 9

1.5　分布式传感器网络的通信 10

1.6　移动代理范例 10

1.7　技术需求 11

1.8　与传统计算系统的比较 13

参考文献 13

第2章　微传感器应用 14

2.1　引言 14

2.2　传感器网络：描述 14

2.3　传感器网络应用，第1部分：军用 16

2.3.1 目标检测和跟踪 17

2.3.2　应用1：炮兵和炮火定位 20

2.3.3　应用2：无人驾驶飞机传感器配置 22

2.3.4　目标分类 25

2.3.5　应用3：车辆分类 28

2.3.6　应用4：基于成像的分类和识别 30

2.4　传感器网络应用，第2部分：民用 34

2.4.1　应用5：监测稀有的濒危物种 35

2.4.2　应用6：人的心跳检测 37

2.5　结论 38

参考文献 39

第3章　分布式传感器网络的分类 41

3.1　引言 41

3.2　分布式传感器网络的优点和局限性 41

3.3　影响分布式传感器网络发展的总体技术趋势 43

3.3.1　被否决的Grosch定律 43

3.3.2　摩尔定律 44

3.3.3　更大程度地“硅化” 44

3.3.4　更大程度地“数字化” 44

3.3.5　增加“通用”元件的使用 45

3.3.6　开放式系统 45

3.4　分布式传感器网络体系结构的分类法 45

3.4.1　输入 47

3.4.2　计算 51

3.4.3　通信 55

3.4.4　编程 58

3.4.5　系统属性 60

3.4.6　系统集成 61

3.4.7　操作系统 61

3.4.8　通信协议 61

3.4.9　安全 62

3.5　结论 62

致谢 62

参考文献 62

第4章　与传统系统的比较 64

问题描述 64

致谢与免责声明 66

参考文献 67

Ⅱ 分布式传感与信号处理 71

第5章　数字信号处理基础 71

5.1　引言 71

5.2　离散时间系统理论 72

5.2.1　离散时间信号 72

5.2.2　离散时间系统 73

5.2.3　线性时移不变离散时间系统的脉冲响应描述 74

5.3　频域描述与离散傅里叶变换 74

5.3.1　z变换 74

5.3.2　离散时间信号的傅里叶变换（DTFT） 76

5.3.3　频率响应 76

5.3.4　DFT 76

5.3.5　FFT 78

5.4　数字滤波器 78

5.4.1　数字滤波器的频率响应 78

5.4.2　数字滤波器的结构 80

5.4.3　举例：基线偏离的消除 81

5.5　采样、抽取、插值 83

5.5.1　连续模拟信号的采样 83

5.5.2　采样率转换 85

5.6　结论 88

参考文献 88

附录5.1 88

附录5.2 89

附录5.3 91

附录5.4 92

第6章　图像处理基础 94

6.1　引言 94

6.2 目的 95

6.3　图像生成 97

6.3.1　图像谱 97

6.3.2　图像维数 98

6.3.3　图像传感器组成 99

6.3.4　数字图像的模拟 101

6.4　图像域：空间、频率及小波 102

6.5　基于点的运算 105

6.5.1　阈值算法 106

6.5.2　转换算法 106

6.5.3　对比度拉伸算法与直方图均衡化算法 107

6.5.4　逆变换算法 109

6.5.5　密度分割算法 109

6.5.6　比特面分割算法 109

6.5.7　图像减法算法 110

6.5.8　图像平均算法 110

6.6　基于区域的运算 110

6.6.1　低通滤波算法 111

6.6.2　高通滤波算法 112

6.6.3　中值滤波算法 112

6.6.4　边缘检测算法 112

6.6.5　形态运算 115

6.7　噪声消除 116

6.8　特征提取 118

6.8.1　边 118

6.8.2　Hough变换：形状检测 120

6.8.3　分割：面 121

6.8.4　实例 122

6.9　配准、标定、融合等问题 123

6.9.1　配准 123

6.9.2　几何变换 125

6.9.3　标定 126

6.9.4　融合问题 127

6.10　压缩和传输对分布式传感器网络的影响 128

6.11　传感器网络应用中的其他成像技术 128

参考文献 131

第7章　目标检测与分类 133

7.1　引言 133

7.2　用于传感器测量的信号模型 136

实例：时变点源 138

7.3 目标检测 140

7.3.1　软决策融合 141

7.3.2　硬决策融合 143

7.4 目标分类 146

7.4.1　软决策融合 147

7.4.2　硬决策融合 150

7.4.3　数据结果 151

7.5　结论 154

7.5.1　通信链路的实际建模 155

7.5.2　多目标分类 155

7.5.3　非理想的实际设置 155

参考文献 156

第8章　参数估计 157

8.1　引言 157

8.2　网络的自组织 158

8.3　速度和位置估计 160

8.3.1　动态的时空聚合 160

8.3.2　目标速度估算的实验结果 162

8.4　移动目标解算 163

8.5　使用语义信息融合进行目标分类 164

SIF分类器的实验结果 168

8.6　静态目标 169

8.6.1　使用信号强度进行定位 169

8.6.2　使用时间延迟进行定位 170

8.6.3　使用信号强度进行定位的实验结果 171

8.7　不同类型传感器的峰值 175

致谢与免责声明 179

参考文献 180

第9章 自组织分布式传感器的目标跟踪 181

9.1　引言 181

9.2　计算环境 183

9.3　簇间跟踪结构 186

9.4　本地参数估计 190

9.5　轨迹维持的方案选择 194

9.5.1　信息素路由 194

9.5.2　EKF 197

9.5.3　贝叶斯实体跟踪 201

9.6　跟踪实例 203

9.6.1　信息素路由 203

9.6.2　EKF 205

9.6.3　贝叶斯信任网络 206

9.7　CA模型 206

9.8　CA结果 212

9.8.1　线性轨迹 212

9.8.2　交叉轨迹 213

9.8.3　非线性交叉轨迹 215

9.8.4　相交轨迹 217

9.8.5　轨迹形成对网络通信的影响 219

9.8.6　网络病态的影响 222

9.9　协同跟踪网络 226

9.10　可靠性分析 233

9.11　资源节约 235

9.12　多目标跟踪 237

9.13　结论 241

致谢与免责声明 243

参考文献 244

第10章　协同信号与信息处理：一种以信息为导向的方法 245

10.1　传感器网络的应用、限制及挑战 245

10.2　CSIP的典型问题——跟踪 247

10.2.1　一种跟踪方案 248

10.2.2　分布式跟踪的设计要点 250

10.3　信息驱动式传感器查询：目标跟踪的一种CSIP方法 251

10.3.1　单个目标的跟踪 252

10.3.2　基于信息的方法 253

10.4　组合跟踪问题 258

10.4.1　计算目标的数目 258

10.4.2　轮廓跟踪 261

10.4.3　阴影边界跟踪 262

10.5　讨论 263

10.6　结论 266

致谢与免责声明 266

参考文献 266

第11章　环境效应 269

11.1　引言 269

11.2　传感器的统计可信度标准 270

11.3　大气运动 271

11.3.1　声学环境效应 272

11.3.2　地震波环境效应 275

11.3.3　电磁环境效应 275

11.3.4　光学环境效应 276

11.3.5　环境效应对化学生物监测以及污染空气跟踪的影响 277

11.4　声波的传播 280

参考文献 284

第12章　大气影响的探测和抵消 285

12.1　研究目的：问题 285

12.2　特定传感器的有关问题 288

12.2.1　可见谱成像 289

12.2.2　红外传感器 289

12.2.3　毫米波雷达传感器 290

12.2.4　激光雷达传感器 291

12.2.5　多谱段传感器 291

12.3　物理方案 292

12.4　基于启发式和非物理学的解决方案 294

12.5　结论 299

参考文献 300

第13章　空气声学传感器网络的信号处理和传播 302

13.1 引言 302

13.2　源信号及其传播的模型 305

13.2.1　基本考虑 305

13.2.2　无散射时的窄带模型 309

13.2.3　散射时的窄带模型 313

13.2.4　消光系数模型 318

13.2.5　多频率和源 322

13.3　信号处理 325

13.3.1　AOA估计 325

13.3.2　分布式传感器阵列的定位 332

13.3.3　跟踪移动源 349

13.3.4　探测和分类 353

13.4　结论 359

致谢 360

参考文献 361

第14章　传感器网络中的分布式多目标检测 366

14.1　引言 366

14.2　BSS问题 368

14.3　源数目估计 370

14.3.1　贝叶斯源数目估计 370

14.3.2　基于抽样的源数目估计 371

14.3.3　变分学习 372

14.4　分布式源数目估计 373

14.4.1　传感器网络的分布式系统 373

14.4.2　基于贝叶斯理论的后验概率融合 375

14.5　性能评估 377

14.5.1　评估准则 377

14.5.2　实验结果 378

14.5.3　讨论 382

14.6　结论 383

致谢 384

参考文献 385

Ⅲ　信息融合 389

第15章 自动化的数据融合基础 389

15.1 引言 389

15.2 自动化系统 390

15.2.1　系统特征 392

15.2.2　操作问题 392

15.2.3　数据融合的优点 394

15.3　数据融合基础 394

15.3.1　系统结构的描述 394

15.3.2　系统行为描述 395

15.4　离散自动控制的安全管理 397

15.4.1　目标搜索简述 398

15.4.2　数据融合的应用 400

15.5　结论 401

致谢 401

参考文献 401

第16章　基于测量的分布式传感器网络统计融合方法 403

16.1　引言 403

16.2　经典融合问题 404

16.3　一般传感器融合问题 406

16.3.1　相关简述 409

16.4　经验风险最小化 410

16.4.1　前向S形网络 411

16.4.2　矢量空间方法（Vector Space Methods） 412

16.5　统计估计器 414

16.6　应用 416

16.7　融合系统的性能 419

16.7.1　独立融合器 420

16.7.2　投影融合器 422

16.8　元融合器 426

16.9　结论 428

致谢 428

参考文献 429

第17章　软计算技术 432

17.1　问题描述 432

17.2　遗传算法 432

17.3　模拟退火 434

17.4　可信度 435

17.5　禁忌搜索 439

17.6　人工神经网络 441

17.7　模糊逻辑 443

17.8　线性规划 444

17.9　总结 448

参考文献 448

第18章　估算和卡尔曼滤波 450

18.1　引言 450

18.2　估算技术概论 453

18.2.1　系统模型 454

18.2.2　优化标准 457

18.2.3　优化方法 460

18.2.4　处理方法 463

18.3　批估计 464

18.3.1　WLS方法的推理 464

18.3.2　数据处理流程 468

18.3.3　批处理执行中的问题 470

18.4　时序估计和卡尔曼滤波 472

18.4.1　时序WLS求解的推导 472

18.4.2　时序估计处理流程 475

18.5　时序处理执行中的问题 476

18.5.1　滤波发散与过程噪声 477

18.5.2　滤波公式 478

18.5.3　机动目标 478

18.5.4　软件工具 480

致谢 480

参考文献 481

第19章　数据配准 483

19.1　问题描述 483

19.2　坐标变换 484

19.3　配准技术概述 488

19.4 目标函数 491

19.5　后启发式方法的结果 494

19.6　特征选择 501

19.7　不同几何视频流的实时配准 506

19.8　小结 518

参考文献 519

第20章　实时监控的信号标定与估算 521

20.1　引言 521

20.2　信号标定和测量估计 523

20.2.1　恶化监视 525

20.2.2　校准滤波器的可能修正 527

20.3　大规模火力发电厂的传感器标定 528

20.3.1　滤波器的参数和函数 529

20.3.2　滤波器的矩阵 530

20.3.3　基于试验数据的滤波器性能 531

20.4　概要和结论 538

附录A：基于单变量观测的多假设测试 538

参考文献 542

第21章　语义信息提取 543

21.1 引言 543

21.2　符号动态 544

21.2.1　动态系统到正式机器代码的转换 544

21.2.2　ε-机的确定 545

21.3　机器代码测量 547

21.4　行为识别 549

21.5　实验验证 549

21.6　结论及展望 553

致谢和免责声明 554

参考文献 555

第22章　信息理论中的融合 556

22.1　引言 556

22.2　分布式网络中的信息处理 556

22.3　数据融合信息论方法的发展 559

22.3.1　传感器融合研究 559

22.3.2　传感器管理研究 560

22.4　分布式处理的概率框架 560

22.4.1　单传感器的传感器数据模型 561

22.4.2　离散数据融合的贝叶斯方案 564

22.4.3　分布式检测理论和信息理论 567

22.5　分布式多传感器系统的贝叶斯框架 570

22.5.1　贝叶斯方法的信息理论解释 573

22.5.2　信息方法 573

22.6　结束语 575

参考文献 576

第23章　多谱感知 578

23.1　研究目的 578

23.2　多谱感知简介 579

23.2.1　多谱数据采集装置 580

23.2.2　阵列和超级阵列的感知 581

23.2.3　超级分辨率中的多传感器阵列技术 581

23.3　多传感器阵列超级分辨率的数学模型 582

23.3.1　图像重构公式 585

23.3.2　超级分辨率的其他方法 587

23.4　彩色图像 588

23.5　结论 590

23.6　致谢 591

参考文献 592

Ⅳ　传感器布设与组网 597

第24章　面向覆盖的传感器布设 597

24.1　引言 597

24.1.1　本章要点 599

24.2　传感器检测模型 601

24.3　传感器节点布设的虚拟力量算法 604

24.3.1　虚拟力量 605

24.3.2　重叠的传感器检测区域 607

24.3.3　VFA算法中的能量约束 609

24.3.4　VFA的程序描述 610

24.3.5　VFA的仿真结果 611

24.3.6　案例研究1 612

24.3.7　案例研究2 612

24.4　传感器节点布设中的不确定性建模 617

24.4.1　非确定性传感器节点布设的建模 618

24.4.2　未知传感器节点安置算法 619

24.4.3　程序描述 623

24.4.4　非确定性传感器布设的仿真结果 623

24.4.5　案例研究3 631

24.5　结论 632

致谢 633

参考文献 633

第25章　传感器布设：概论 635

25.1　引言 635

25.1.1　什么是传感器网络 635

25.1.2　实例 635

25.1.3　计算问题 636

25.2　传感器布设的重要性 638

25.3　利用Eisenstein整数方法对分布式传感器网络中的传感器进行布设 639

25.3.1　引言 639

25.3.2　爱因斯坦（Eisenstein）整数 640

25.3.3　主要的定理 642

25.3.4　结论 643

25.4　平面网格中传感器有效布设的复杂度分析 644

25.4.1　引言 644

25.4.2　传感器布设问题 646

25.4.3　遗传算法方案 655

25.4.4　计算结果 658

25.4.5　结论 663

致谢 664

参考文献 664

第26章　分布式传感器网络移动代理路由的遗传算法 666

26.1　引言 666

26.2　基于遗传算法的计算技术 668

26.2.1　遗传算法简介 668

26.2.2　应用遗传算法的一般方法 668

26.2.3　遗传算法中的参数和算子 671

26.3　移动代理路由问题（MARP） 673

26.3.1　传感器节点 673

26.3.2　通信链路 674

26.3.3　移动代理路由 675

26.3.4　目标函数 676

26.3.5　移动代理路由问题（MARP）的NP难度 678

26.4　移动代理路由问题（MARP）的遗传算法 680

26.4.1　二级遗传编码 680

26.4.2　遗传操作的执行 682

26.4.3　遗传算法的参数选择 683

26.5　仿真结果与算法分析 684

26.5.1　仿真结果 684

26.5.2　算法的比较和讨论 691

26.6　结论 693

致谢 694

参考文献 694

附录A 695

第27章　计算机网络——基本原理 697

27.1　引言 697

27.2　分层结构和网络组成 698

27.2.1　网络分层与OSI模型 698

27.2.2　TCP/IP分层 704

27.2.3　网络组件 706

27.3　链路共享：多路技术和交换技术 709

27.3.1　多路技术 710

27.3.2　交换技术 715

27.4　数据传输基础 721

27.4.1　串行与并行模式 722

27.4.2　传输类型 723

27.5　无线网络 726

27.5.1　术语和模型 726

27.5.2　频率复用与信道分配 728

27.5.3　传递 729

27.5.4　多路存取技术 729

27.5.5　新一代的无线网络 732

27.6　无线局域网 733

致谢 735

参考文献 735