| 第一章 数据融合技术 | 第8-21页 |
| 1．1 数据融合的目的和意义 | 第9-11页 |
| 1．2 与数据融合有关的问题 | 第11-20页 |
| 1．3 本论文的主要工作 | 第20-21页 |
| 第二章 几种参数级的数据融合方法 | 第21-44页 |
| 2．1 引言 | 第21-22页 |
| 2．2 随机估计问题的构成 | 第22-24页 |
| 2．3 最小二乘估计 | 第24-27页 |
| 2．3．1 最小二乘法的一般原理 | 第24-25页 |
| 2．3．2 最小二乘法的统计特性 | 第25-27页 |
| 2．3．3 最小二乘法的局限性 | 第27页 |
| 2．4 最大似然估计 | 第27-29页 |
| 2．5 最小均方误差估计 | 第29-34页 |
| 2．5．1 最小均方误差估计的一般方法 | 第29页 |
| 2．5．2 静态线性高斯系统的最小均方程差估计算法 | 第29-31页 |
| 2．5．3 在测量噪声下的最小均方误差估计 | 第31-32页 |
| 2．5．4 递推估计和分批估计 | 第32-34页 |
| 2．6 贝叶斯估计法 | 第34-39页 |
| 2．6．1 统计决策问题的三要素 | 第34-36页 |
| 2．6．2 贝叶斯估计 | 第36-37页 |
| 2．6．3 正态分布时的贝叶斯估计 | 第37-39页 |
| 2．7 一致性检验方法 | 第39-43页 |
| 2．8 小结 | 第43-44页 |
| 第三章 离散状态的卡尔曼滤波器 | 第44-62页 |
| 3．1 离散的卡尔曼滤波器 | 第44-49页 |
| 3．1．1 离散的卡尔曼滤波器的基本原理 | 第44-48页 |
| 3．1．2 Kalman滤波的基本性质 | 第48-49页 |
| 3．2 分布式的离散卡尔曼滤波器 | 第49-52页 |
| 3．3 带反馈信息的分布式卡尔曼滤波器 | 第52-57页 |
| 3．3．1 无反馈信息和有反馈信息的局部状态估计 | 第53页 |
| 3．3．2 中心节点的传感器融合 | 第53-55页 |
| 3．3．3 有无反馈中心融合解的关系 | 第55-57页 |
| 3．4 基于一致性检验方法的卡尔曼滤波器 | 第57-60页 |
| 3．4．1 一致性检验与分布式卡尔曼滤波器 | 第57-59页 |
| 3．4．2 计算机仿真 | 第59-60页 |
| 3．5 小结 | 第60-62页 |
| 第四章 数据融合在工程中的应用 | 第62-73页 |
| 4．1 多微惯性传感器的一致性检测方法 | 第62-66页 |
| 4．1．1 引言 | 第62-63页 |
| 4．1．2 多加速度计的结构布置和测量方程 | 第63页 |
| 4．1．3 基于信息分配原理的数据融合方法 | 第63-65页 |
| 4．1．4 仿真检验 | 第65-66页 |
| 4．1．5 结论 | 第66页 |
| 4．2 基于卡尔曼滤波器的数据融合方法在高温炉检测系统中的应用 | 第66-71页 |
| 4．2．1 引言 | 第66-67页 |
| 4．2．2 测量原理 | 第67-68页 |
| 4．2．3 卡尔曼滤波融合 | 第68页 |
| 4．2．4 应用实例 | 第68-70页 |
| 4．2．5 结论 | 第70-71页 |
| 4．3 数据融合在高温炉红外测温中的应用 | 第71-73页 |
| 4．3．1 引言 | 第71页 |
| 4．3．2 测量原理 | 第71页 |
| 4．3．3 应用实例 | 第71-73页 |
| 结束语 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-77页 |
| 读研期间发表或录用的论文 | 第77页 |