| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状及分析 | 第14-23页 |
| 1.2.1 基于多模型框架的跳变马尔可夫系统状态估计 | 第14-18页 |
| 1.2.2 网络化量测随机延迟和信道衰减下递推滤波 | 第18-20页 |
| 1.2.3 基于高斯（和）的非线性滤波及多传感器非集中式融合 | 第20-23页 |
| 1.3 本文的主要工作及章节安排 | 第23-26页 |
| 1.3.1 主要工作及章节安排 | 第23-25页 |
| 1.3.2 论文符号说明 | 第25-26页 |
| 第二章 具有随机系数矩阵的跳变马尔可夫线性系统LMMSE估计 | 第26-42页 |
| 2.1 引言 | 第26-27页 |
| 2.2 随机系数矩阵下跳变马尔可夫线性系统 | 第27-28页 |
| 2.3 线性最小均方误差估计 | 第28-31页 |
| 2.4 估计器稳定性分析 | 第31-33页 |
| 2.5 仿真分析 | 第33-39页 |
| 2.5.1 杂波环境下机动目标状态估计与数据关联一体化框架 | 第33-35页 |
| 2.5.2 杂波环境下机动单目标跟踪 | 第35-38页 |
| 2.5.3 杂波环境下机动多目标跟踪 | 第38-39页 |
| 2.6 本章小结 | 第39-42页 |
| 第三章 有色量测噪声下跳变马尔可夫系统自适应高斯和滤波 | 第42-58页 |
| 3.1 引言 | 第42-43页 |
| 3.2 有色量测噪声下跳变马尔可夫非线性系统及噪声去相关性 | 第43-45页 |
| 3.3 基于Kullback Leibler距离度量的自适应高斯和滤波 | 第45-52页 |
| 3.4 仿真验证 | 第52-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 互相关噪声跳变马尔可夫随机参数矩阵系统分布式估计 | 第58-78页 |
| 4.1 引言 | 第58-59页 |
| 4.2 互相关噪声下跳变马尔可夫随机参数矩阵系统 | 第59-61页 |
| 4.3 线性最小均方误差估计及均方根阵列实现 | 第61-67页 |
| 4.4 分布式估计融合与阵列实现 | 第67-69页 |
| 4.5 仿真分析 | 第69-77页 |
| 4.5.1 单传感器场景 | 第71-72页 |
| 4.5.2 传感器网络场景 | 第72-77页 |
| 4.6 本章小结 | 第77-78页 |
| 第五章 传感器网络量测随机延迟下非线性系统分布式估计融合 | 第78-94页 |
| 5.1 引言 | 第78页 |
| 5.2 传感器网络下具有量测多步随机延迟的非线性系统 | 第78-81页 |
| 5.3 高斯一致性滤波 | 第81-88页 |
| 5.3.1 单处理单元下高斯递推滤波 | 第81-87页 |
| 5.3.2 处理网下高斯一致性滤波 | 第87-88页 |
| 5.4 仿真分析 | 第88-93页 |
| 5.5 本章小结 | 第93-94页 |
| 第六章 量测随机延迟衰减和乘性噪声下分布式高斯混合信息滤波 | 第94-114页 |
| 6.1 引言 | 第94页 |
| 6.2 具有量测随机延迟衰减和乘性噪声的非线性系统 | 第94-97页 |
| 6.3 分布式高斯混合信息滤波 | 第97-107页 |
| 6.3.1 单处理单元下高斯混合递推滤波 | 第97-101页 |
| 6.3.2 处理网下分布式高斯混合信息滤波 | 第101-107页 |
| 6.4 仿真分析 | 第107-112页 |
| 6.5 本章小结 | 第112-114页 |
| 第七章 总结与展望 | 第114-118页 |
| 7.1 论文总结 | 第114-115页 |
| 7.2 研究展望 | 第115-118页 |
| 附录 | 第118-142页 |
| 参考文献 | 第142-156页 |
| 作者博士期间的学术成果 | 第156-160页 |
| 作者博士期间参与的项目 | 第160-162页 |
| 致谢 | 第162-164页 |
