| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的目的和意义 | 第9-10页 |
| 1.2 国内外多传感器信息融合技术发展概况 | 第10-11页 |
| 1.3 信息融合最优滤波技术的研究概况 | 第11-15页 |
| 1.4 本文研究的主要问题 | 第15-16页 |
| 第2章 ARMA 信号标量加权融合和加权观测融合反卷积 Wiener 滤波器 | 第16-66页 |
| 2.1 引言 | 第16-17页 |
| 2.2 多传感器 ARMA 信号的反卷积模型转换 | 第17-30页 |
| 2.2.1 多传感器 ARMA 信号反卷积模型转换算法 1 | 第19-25页 |
| 2.2.2 多传感器 ARMA 信号反卷积模型转换算法 2 | 第25-30页 |
| 2.3 多传感器 ARMA信号标量加权融合和加权观测融合反卷积 Wiener 滤波器 | 第30-40页 |
| 2.3.1 多传感器 ARMA 信号加权观测融合反卷积 Wiener 滤波器 | 第33-36页 |
| 2.3.2 多传感器 ARMA 信号标量加权融合反卷积 Wiener 滤波器 | 第36-40页 |
| 2.4 仿真例子 | 第40-64页 |
| 2.4.1 仿真例子1 | 第40-52页 |
| 2.4.2 仿真例子2 | 第52-64页 |
| 2.5 本章小结 | 第64-66页 |
| 第3章 单通道 ARMA 信号最优标量加权融合反卷积 Wiener 滤波器 | 第66-111页 |
| 3.1 引言 | 第66页 |
| 3.2 单通道 ARMA 信号最优融合加权反卷积滤波器 | 第66-80页 |
| 3.2.1 多传感器 ARMA 信号反卷积模型转换算法 1 | 第67-73页 |
| 3.2.2 多传感器 ARMA 信号反卷积模型转换算法 2 | 第73-80页 |
| 3.3 带相关噪声的定常系统 Wiener 反卷积滤波 | 第80-86页 |
| 3.4 仿真例子 | 第86-110页 |
| 3.4.1 仿真例子3 | 第86-98页 |
| 3.4.2 仿真例子4 | 第98-110页 |
| 3.5 本章小结 | 第110-111页 |
| 第4章 带观测噪声和带观测滞后的单通道 ARMA 信号标量加权融合 Wiener 滤波器 | 第111-153页 |
| 4.1 引言 | 第111页 |
| 4.2 ARMA 信号的 Wiener 滤波器 | 第111-123页 |
| 4.2.1 ARMA 信号模型与状态空间模型的转换算法 | 第112-117页 |
| 4.2.2 ARMA 信号模型与状态空间模型的转换算法 | 第117-123页 |
| 4.3 ARMA 信号的 Wiener 滤波器 | 第123-128页 |
| 4.4 仿真例子 | 第128-152页 |
| 4.4.1 仿真例子5 | 第128-140页 |
| 4.4.2 仿真例子6 | 第140-152页 |
| 4.5 本章小结 | 第152-153页 |
| 结论 | 第153-154页 |
| 参考文献 | 第154-160页 |
| 致谢 | 第160-161页 |
| 攻读学位期间发表的学术论文 | 第161页 |
