| 第一章 绪论 | 第1-17页 |
| 1．1 课题研究背景和意义 | 第6-7页 |
| 1．2 多传感器信息融合的发展过程与国内外研究现状 | 第7-8页 |
| 1．3 多传感器信息融合的主要研究内容 | 第8-14页 |
| 1．3．1 多传感器信息融合的概念 | 第8页 |
| 1．3．2 信息融合的主要研究内容 | 第8-11页 |
| 1．3．3 多传感器信息融合的优点 | 第11页 |
| 1．3．4 信息融合系统结构及层次 | 第11-12页 |
| 1．3．5 信息融合方法 | 第12-14页 |
| 1．4 智能交通系统研究内容及研究现状 | 第14-16页 |
| 1．4．1 智能交通系统研究内容 | 第14-15页 |
| 1．4．2 智能交通系统研究现状 | 第15-16页 |
| 1．5 论文的主要内容 | 第16-17页 |
| 第二章 智能交通系统中的车载导航系统 | 第17-25页 |
| 2．1 车载导航系统 | 第17-23页 |
| 2．1．1 VNS在智能交通系统中的作用 | 第17-18页 |
| 2．1．2 VNS的组成和原理 | 第18-23页 |
| 2．2 当前国内VNS的特点和存在的主要问题 | 第23-25页 |
| 第三章 联合卡尔曼滤波理论 | 第25-43页 |
| 3．1 卡尔曼滤波算法介绍 | 第25-29页 |
| 3．1．1 离散线性系统的Kalman滤波 | 第25-26页 |
| 3．1．2 Kalman滤波方法推导 | 第26-29页 |
| 3．1．3 集中卡尔曼滤波的缺陷 | 第29页 |
| 3．2 联合卡尔曼滤波器 | 第29-36页 |
| 3．2．1 联合滤波器要解决的问题 | 第29-30页 |
| 3．2．2 联合卡尔曼滤波算法 | 第30-31页 |
| 3．2．3 各子滤波器的估计不相关时的融合算法 | 第31-34页 |
| 3．2．4 性能分析 | 第34页 |
| 3．2．5 最优性证明 | 第34-36页 |
| 3．3 联合卡尔曼滤波器模型的车载导航系统的融合计算 | 第36-42页 |
| 3．3．1 车载导航系统的理论融合计算 | 第36-37页 |
| 3．3．2 车载导航系统的融合计算的实际模型 | 第37-42页 |
| 3．4 本章小结 | 第42-43页 |
| 第四章 基于卡尔曼滤波技术的信号小波估计与分解 | 第43-54页 |
| 4．1 小波分析 | 第43-48页 |
| 4．1．1 小波简介 | 第43页 |
| 4．1．2 正交小波变换 | 第43-44页 |
| 4．1．3 多分辨分析(MRA) | 第44-45页 |
| 4．1．4 Mallat算法 | 第45-48页 |
| 4．2 信号的估计和分解 | 第48-53页 |
| 4．2．1 离散小波变换和滤波层 | 第48-50页 |
| 4．2．2 信号的同步分解和估计 | 第50-53页 |
| 4．3 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 发表论文 | 第60页 |