| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| 1-1 论文研究的意义 | 第8-9页 |
| 1-2 信息融合技术研究的现状 | 第9-10页 |
| 1-2-1 国外研究现状 | 第9页 |
| 1-2-2 国内研究现状 | 第9-10页 |
| 1-3 信息融合在移动机器人目标定位中的应用现状 | 第10-11页 |
| 1-3-1 国外研究现状 | 第10页 |
| 1-3-2 国内研究现状 | 第10-11页 |
| 1-4 本文的主要研究内容及工作安排 | 第11-12页 |
| 第二章 信息融合的基本概况 | 第12-26页 |
| 2-1 信息融合的基本原理和定义 | 第12-14页 |
| 2-1-1 信息融合的基本原理 | 第12页 |
| 2-1-2 信息融合的定义 | 第12-13页 |
| 2-1-3 多传感器信息融合的过程 | 第13-14页 |
| 2-2 信息融合的模型 | 第14-23页 |
| 2-2-1 多传感器信息融合的功能模型 | 第14-17页 |
| 2-2-2 多传感器信息融合的结构模型 | 第17-20页 |
| 2-2-3 多传感器信息融合的基本数学模型 | 第20-23页 |
| 2-3 状态估计基础 | 第23-25页 |
| 2-3-1 最大似然估计法（ML） | 第24页 |
| 2-3-2 最大后验估计法 | 第24页 |
| 2-3-3 最小二乘估计法 | 第24-25页 |
| 2-3-4 最小均方误差估计 | 第25页 |
| 2-4 本章小节 | 第25-26页 |
| 第三章 自适应卡尔曼滤波 | 第26-34页 |
| 3-1 引言 | 第26页 |
| 3-2 卡尔曼滤波需要校正的原因 | 第26-28页 |
| 3-3 抗野值的两次卡尔曼滤波器的设计 | 第28-31页 |
| 3-3-1 抗野值的方法 | 第28页 |
| 3-3-2 多次卡尔曼滤波理论 | 第28-29页 |
| 3-3-3 抗野值的两次卡尔曼滤波器的结构 | 第29-31页 |
| 3-4 抗野值的两次卡尔曼滤波器系统仿真 | 第31-33页 |
| 3-4-1 任务描述 | 第31页 |
| 3-4-2 实验及分析 | 第31-33页 |
| 3-5 本章小结 | 第33-34页 |
| 第四章 基于卡尔曼滤波器的多传感器数据融合系统 | 第34-43页 |
| 4-1 问题构想 | 第34-35页 |
| 4-2 线性最小方差系统的最优信息融合标准 | 第35-36页 |
| 4-3 基于卡尔曼滤波算法的分布式两层融合方法 | 第36-38页 |
| 4-4 基于卡尔曼滤波算法的分布式两层融合方法仿真 | 第38-39页 |
| 4-5 基于卡尔曼滤波算法的分布式两层融合方法仿真 | 第39-42页 |
| 4-5-1 任务描述 | 第39-40页 |
| 4-5-2 实验及分析 | 第40-42页 |
| 4-6 本章小结 | 第42-43页 |
| 第五章 实验方案 | 第43-47页 |
| 5-1 现有实验平台介绍 | 第43页 |
| 5-2 实现方案 | 第43-46页 |
| 5-2-1 定位系统设计 | 第43-44页 |
| 5-2-2 最小定位系统 | 第44-46页 |
| 5-3 算法流程 | 第46页 |
| 5-4 本章小结 | 第46-47页 |
| 第六章 结论与展望 | 第47-48页 |
| 6-1 总结 | 第47页 |
| 6-2 工作展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间所取得的相关科研成果 | 第52页 |