| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-52页 |
| 引言 | 第52-66页 |
| 第1章 时变系统分布式信息融合Kalman滤波、预报和平滑 | 第66-152页 |
| ·引言 | 第66-67页 |
| ·多传感器时变系统局部最优Kalman估值器及协方差计算 | 第67-89页 |
| ·第i子系统(第i传感器)局部最优递推Kalman预报器 | 第68-72页 |
| ·第i子系统(第i传感器)局部最优递推Kalman滤波器 | 第72-76页 |
| ·第i子系统(第i传感器)局部超前N步最优Kalman预报器 | 第76-79页 |
| ·第i子系统(第i传感器)局部最优递推Kalman平滑器 | 第79-89页 |
| ·多传感器定常系统局部稳态Kalman估值器及协方差计算 | 第89-95页 |
| ·第i子系统(第i传感器)局部稳态Kalman预报器 | 第89-91页 |
| ·第i子系统(第i传感器)局部稳态Kalman滤波器 | 第91-93页 |
| ·第i子系统(第i传感器)局部超前(-N)步稳态Kalman预报器 | 第93页 |
| ·第i子系统(第i传感器)局部稳态Kalman平滑器 | 第93-95页 |
| ·三种分布式信息融合Kalman估值器 | 第95-98页 |
| ·仿真例子 | 第98-151页 |
| ·仿真例子1 | 第98-123页 |
| ·仿真例子2 | 第123-132页 |
| ·仿真例子3 | 第132-142页 |
| ·仿真例子4 | 第142-151页 |
| ·结论 | 第151-152页 |
| 第2章 时变系统分布式信息融合白噪声反卷积估值器 | 第152-213页 |
| ·引言 | 第152页 |
| ·多传感器时变系统最优融合白噪声估值器 | 第152-158页 |
| ·第i子系统(第i传感器)局部最优白噪声估值器 | 第154-155页 |
| ·第i子系统(第i传感器)局部白噪声估计误差协方差 | 第155-157页 |
| ·最优融合输入白噪声估值器 | 第157-158页 |
| ·多传感器定常系统最优融合稳态白噪声反卷积估值器 | 第158-161页 |
| ·局部稳态最优白噪声反卷积估值器 | 第159-160页 |
| ·最优融合稳态白噪声反卷积估值器 | 第160-161页 |
| ·仿真例子 | 第161-211页 |
| ·仿真例子1 | 第161-173页 |
| ·仿真例子2 | 第173-185页 |
| ·仿真例子3 | 第185-197页 |
| ·仿真例子4 | 第197-209页 |
| ·仿真例子5 | 第209-211页 |
| ·结论 | 第211-213页 |
| 第3章 时变系统两种加权观测融合最优白噪声反卷积估值器 | 第213-310页 |
| ·引言 | 第213-214页 |
| ·两种观测融合算法的全局最优性和完全功能等价性 | 第214-223页 |
| ·两种观测融合算法 | 第215-218页 |
| ·两种观测融合算法的全局最优性和完全功能等价性 | 第218-223页 |
| ·基于加权观测融合算法Ⅰ的全局最优白噪声反卷积估值器 | 第223-225页 |
| ·基于加权观测融合算法Ⅱ的全局最优白噪声反卷积估值器 | 第225-226页 |
| ·仿真例子 | 第226-309页 |
| ·仿真例子1 | 第226-238页 |
| ·仿真例子2 | 第238-249页 |
| ·仿真例子3 | 第249-262页 |
| ·仿真例子4 | 第262-275页 |
| ·仿真例子5 | 第275-286页 |
| ·仿真例子6 | 第286-298页 |
| ·仿真例子7 | 第298-309页 |
| ·结论 | 第309-310页 |
| 结束语 | 第310-311页 |
| 致谢 | 第311-312页 |
| 参考文献 | 第312-317页 |
| 独创性声明 | 第317页 |
| 学位论文版权使用授权书 | 第317页 |
