异类多传感器数据融合技术的研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题的研究目的和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的研究内容及结构安排 | 第15-17页 |
| 第2章 异类多传感器数据融合功能与模型 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 传感器概述 | 第17-19页 |
| 2.2.1 雷达 | 第17-18页 |
| 2.2.2 红外传感器 | 第18页 |
| 2.2.3 激光传感器 | 第18-19页 |
| 2.2.4 电子支援措施 | 第19页 |
| 2.3 多传感器数据融合 | 第19-21页 |
| 2.3.1 数据融合概述 | 第19页 |
| 2.3.2 数据融合功能模型 | 第19-21页 |
| 2.4 位置级数据融合结构模型 | 第21-23页 |
| 2.4.1 集中式数据融合结构模型 | 第21-22页 |
| 2.4.2 分布式数据融合结构模型 | 第22-23页 |
| 2.4.3 混合式数据融合结构模型 | 第23页 |
| 2.5 数据融合的技术及方法 | 第23-25页 |
| 2.6 异类多传感器数据融合跟踪模型 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 异类多传感器数据关联与数据融合方法 | 第27-44页 |
| 3.1 引言 | 第27页 |
| 3.2 异类多传感器数据关联方法 | 第27-28页 |
| 3.2.1 数据关联问题描述 | 第27页 |
| 3.2.2 数据关联方法 | 第27-28页 |
| 3.3 基于统计理论的数据关联方法 | 第28-33页 |
| 3.3.1 加权与修正关联算法 | 第28-29页 |
| 3.3.2 序贯关联算法 | 第29-30页 |
| 3.3.3 最近邻域与K近邻域关联算法 | 第30-31页 |
| 3.3.4 仿真分析 | 第31-33页 |
| 3.4 分布式数据融合方法 | 第33-43页 |
| 3.4.1 协方差加权融合算法 | 第34-35页 |
| 3.4.2 自适应航迹融合算法 | 第35-37页 |
| 3.4.3 基于LSE的加权融合算法 | 第37-40页 |
| 3.4.4 仿真分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 异类多传感器的滤波估计方法 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 目标运动模型 | 第44-47页 |
| 4.3 状态估计的滤波基础 | 第47-50页 |
| 4.3.1 滤波基础 | 第47-49页 |
| 4.3.2 单传感器滤波估计 | 第49页 |
| 4.3.3 多传感器滤波估计 | 第49-50页 |
| 4.4 状态估计滤波算法 | 第50-58页 |
| 4.4.1 卡尔曼滤波 | 第50-51页 |
| 4.4.2 扩展卡尔曼滤波 | 第51-53页 |
| 4.4.3 不敏卡尔曼滤波 | 第53-54页 |
| 4.4.4 粒子滤波 | 第54-56页 |
| 4.4.5 仿真分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 异类多传感器数据融合跟踪系统 | 第59-69页 |
| 5.1 引言 | 第59页 |
| 5.2 异类多传感器融合跟踪设计 | 第59-61页 |
| 5.2.1 问题描述 | 第59-60页 |
| 5.2.2 融合跟踪模型 | 第60-61页 |
| 5.3 异类多传感器融合跟踪的实现 | 第61-65页 |
| 5.3.1 红外与激光的融合 | 第61-62页 |
| 5.3.2 雷达与红外及激光的全局融合 | 第62页 |
| 5.3.3 算法的选择与实现 | 第62-65页 |
| 5.4 仿真分析 | 第65-68页 |
| 5.5 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |
