| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·多传感器数据融合的概念 | 第7-8页 |
| ·数据融合国内外研究现状 | 第8-9页 |
| ·存在的问题及发展方向 | 第9-12页 |
| ·本文的主要工作 | 第12-13页 |
| 第二章 多传感器数据融合估计理论 | 第13-23页 |
| ·数据融合估计理论概述 | 第13-14页 |
| ·多传感器数据融合的结构 | 第14-17页 |
| ·数据融合线性估计理论基础 | 第17-20页 |
| ·最优融合估计 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 基于数据融合估计理论的kalman 滤波 | 第23-33页 |
| ·基于融合估计理论的经典KALMAN 滤波描述 | 第23-25页 |
| ·多传感器集中式KALMAN 滤波 | 第25-26页 |
| ·多传感器分散式KALMAN 滤波 | 第26-30页 |
| ·算法仿真演示 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 噪声相关和有色噪声条件下的kalman 滤波 | 第33-41页 |
| ·过程噪声为有色噪声的KALMAN 滤波 | 第33-35页 |
| ·量测噪声为有色量测噪声时的KALMAN 滤波 | 第35-37页 |
| ·过程噪声和量测噪声都为有色噪声的KALMAN 滤波 | 第37页 |
| ·过程噪声和量测噪声相关时的KALMAN 滤波 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第五章 最优线性估计融合与统一融合规则 | 第41-56页 |
| ·统一线性数据模型 | 第41页 |
| ·线性最小方差估计与线性最小二乘估计 | 第41-46页 |
| ·统一线性融合规则 | 第46-51页 |
| ·一般的最优的线性融合规则 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 威胁估计算法研究 | 第56-64页 |
| ·威胁估计的基本问题 | 第56-57页 |
| ·层次分析法 | 第57-60页 |
| ·威胁评估算法设计 | 第60-62页 |
| ·示例分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第七章 结束语 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 硕士在读期间的研究成果 | 第72-73页 |