第1章 傳感器網絡的信息論邊界 1
1.1　引言 1
1.2　傳感器網絡模型 2
1.3　數字結構 5
1.3.1　分布式信源編碼 6
1.3.2　分布式信道編碼 13
1.3.3　數字結構的端到端性能 19
1.4　數字結構的代價 21
1.5　一般結構邊界 23
1.6　本章小結 25
參考文獻 26

第2章 無線傳感器網絡的網內信息處理 29
2.1　引言 29
2.2　通信復雜度模型 31
2.3　無線網絡的計算：空間復用與分組計算 33
2.3.1　無線通信網絡的地理模型 34
2.3.2　分組計算與計算吞吐量 35
2.3.3　對稱函數與形式向量 36
2.3.4　同位網絡 36
2.3.5　對稱函數的子類：形式感知與形式閾值 37
2.3.6　同位網絡中的最大吞吐量 39
2.3.7　多跳隨機平面網絡 41
2.3.8　其他非周期網絡 42
2.4　有噪無線通信網絡：同位廣播網絡中的可信計算 43
2.4.1　測量結果的奇偶性 44
2.4.2　閾值函數 45
2.5　信息論模型 46
2.6　本章小結 48
參考文獻 48

第3章 無線傳感器網絡的感知容量 51
3.1　引言 51
3.1.1　廣域檢測應用 51
3.1.2　傳感器網絡編碼器 53
3.1.3　基于信息論的角度 54
3.2　傳感器網絡的感知容量 55
3.2.1　節點隨機連接傳感器網絡模型 55
3.2.2　隨機編碼與方法類型 58
3.2.3　感知容量理論 59
3.2.4　感知容量邊界 64
3.3　其他傳感器網絡模型的感知容量 66
3.3.1　定位感知模型 67
3.3.2　目標模型 68
3.4　本章小結 69
參考文獻 70

第4章 傳感器網絡生存期定律及其應用 73
4.1　引言 73
4.2　傳感器網絡生存期定律及普適性設計原則 74
4.2.1　網絡特性與生存期定義 74
4.2.2　生存期定律 75
4.2.3　生存期最大化的通用設計原則 75
4.3　隨機最短路徑框架 76
4.3.1　問題說明 77
4.3.2　SSP的討論 78
4.3.3　網絡生存期的基本性能極限 80
4.3.4　網絡極限性能的計算 81
4.4　分布式漸進最優傳輸調度 83
4.4.1　生存期最大化動態協議 83
4.4.2　DTSP的動態特性 84
4.4.3　DTSP的漸進最優性 85
4.4.4　分布式實現 86
4.4.5　仿真研究 87
4.5　傳感器網絡生存期的分析 92
4.6　本章小結 92
參考文獻 93

第5章 傳感器網絡中的信號檢測 95
5.1　引言 95
5.2　集中檢測 96
5.3　傳統分布式檢測框架 97
5.3.1　二元假設檢驗 97
5.3.2　漸進機制 99
5.4　無線傳感器網絡中的分布式檢測 100
5.4.1　傳感器節點 101
5.4.2　網絡架構 101
5.4.3　數據處理 102
5.5　無線傳感器網絡 102
5.5.1　容量約束條件下的檢測 104
5.5.2　關于無線信道的討論 105
5.5.3　相關性檢測 109
5.5.4　衰減與衰落 110
5.6　范式分析 112
5.6.1　相長干涉 113
5.6.2　消息傳遞 114
5.6.3　跨層思想 114
5.6.4　節能機制 115
5.7　擴展與普適化 115
5.8　本章小結 116
參考文獻 117

第6章 帶寬能量受限條件下的分布式估計 121
6.1　引言 121
6.2　分布式量化估計 122
6.3　最大似然估計 122
6.3.1　噪聲概率密度函數已知而方差未知 125
6.3.2　噪聲概率密度布函數未知 129
6.3.3　均方誤差的下界 133
6.4　向量參數的估計 133
6.5　最大后驗概率估計 139
6.6　分布式估計的降維 141
6.6.1　解耦分布式估計—壓縮 142
6.6.2　耦合分布式估計—壓縮 146
6.7　失真率分析 148
6.7.1　集中式估計的失真率 150
6.7.2　分布式估計的失真率 155
6.7.3　凸優化確定失真率上界 158
6.8　本章小結 158
參考文獻 159

第7章 無線傳感器網絡中的分布式學習 162
7.1　引言 162
7.2　典型學習理論 164
7.2.1　監督式學習模型 164
7.2.2　核函數方法及經驗風險最小化原理 165
7.2.3　其他學習算法 168
7.3　無線傳感器網絡中的分布式學習 177
7.4　有融合中心無線傳感器網絡中的分布式學習 181
7.4.1　分簇方法 181
7.4.2　分布式學習的統計極限 181
7.5　有網內處理Ad hoc無線傳感器網絡的分布式學習 184
7.5.1　基于稀疏度的分布式訓練 185
7.5.2　基于次梯度增量法的分布式訓練 186
7.5.3　基于交替投影法的分布式訓練 188
7.6　本章小結 190
參考文獻 191

第8章 無線傳感器網絡中的圖模型與融合 194
8.1　引言 194
8.2　圖模型 195
8.2.1　定義與性質 195
8.2.2　和積算法 196
8.2.3　最大乘積算法 197
8.2.4　環路置信傳播 198
8.2.5　非參數置信傳播 198
8.3　無線傳感器網絡的圖模型 199
8.3.1　傳感器網絡中的自定位 200
8.3.2　傳感器網絡多目標數據關聯 202
8.4　消息檢查與近似對融合的影響 204
8.4.1　消息檢查 204
8.4.2　基于粒子的消息傳遞精確度 205
8.5　消息近似的作用 207
8.6　網絡融合資源受限的優化分配 210
8.6.1　傳感器網絡目標追蹤的資源管理 211
8.6.2　嚴格受限條件下的分布式推測 215
8.7　本章小結 221
參考文獻 222

第9章 廣域傳感器網絡的隨機協同傳輸 225
9.1　引言 225
9.2　無線傳感器網絡的協同傳輸 226
9.2.1　協同無線電物理層模型 226
9.2.2　集中編碼分配協同機制 228
9.3　隨機分布式協同機制 229
9.4　隨機協同編碼的性能 232
9.4.1　分集階數特性 232
9.4.2　性能仿真與數值分析 235
9.5　基于隨機協同編碼的協同廣域網絡分析 237
9.6　理論分析與驗證 242
9.7　本章小結 244
參考文獻 244

第10章 泛在多跳通信網絡的鄰域狀態自適應更新 247
10.1　引言 247
10.2　典型鄰域狀態感知算法研究 247
10.2.1　問題分析 247
10.2.2　基于相鄰節點覆蓋的感知與更新 248
10.2.3　基于控制論的感知與更新 252
10.3　本地拓撲感知模型 254
10.3.1　本地拓撲感知度 254
10.3.2　鄰域狀態感知映射的公平性收斂 256
10.4　基于拓撲感知的鄰域狀態動態更新算法 269
10.4.1　鄰域狀態自適應感知 269
10.4.2　超時值的自適應調整 270
10.4.3　反應式感知分組的重調度 272
10.5　仿真結果與性能分析 274
10.5.1　仿真模型的構建 274
10.5.2　仿真結果與性能分析 275
10.6　本章小結 279
參考文獻 279

第11章 分布式數據動態均衡 282
11.1　引言 282
11.2　典型數據均衡算法研究 283
11.2.1　動態負載感知路由算法 283
11.2.2　負載均衡算法 285
11.3　數據負載感知模型 288
11.4　分布式數據動態均衡路由算法 292
11.4.1　非飽和數據特征下的馬爾可夫退避建模 292
11.4.2　基于Bloom濾波的最優散列建模 296
11.4.3　分布式數據動態均衡算法 299
11.5　分布式均衡公平性輔助算法 302
11.5.1　算法描述 302
11.5.2　自私節點的檢測 306
11.5.3　復雜度分析 309
11.6　仿真結果與性能分析 311
11.6.1　仿真模型的構建 311
11.6.2　仿真結果與性能分析 312
11.7　本章小結 317
參考文獻 318

第12章 動態傳輸路徑自愈技術 321
12.1　引言 321
12.2　典型本地路徑修復算法研究 323
12.2.1　基于CF策略的路由修復算法 323
12.2.2　基于on-the-fly策略的路由修復算法 327
12.3　鏈路質量感知模型 330
12.3.1　鏈路質量檢測區域 331
12.3.2　功率檢測與質量判斷 332
12.4　最優搜索數學建模 333
12.4.1　最優搜索理論 333
12.4.2　搜索問題的狀態方程 335
12.4.3　狀態方程的解 339
12.5　本地路由動態自愈算法 344
12.5.1　算法描述 344
12.5.2　修復后的優化 348
12.6　仿真結果與性能分析 350
12.6.1　仿真模型的構建 350
12.6.2　仿真結果與性能分析 351
12.7　本章小結 356
參考文獻 356

名詞索引 360