| 内容提要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 第一章 绪 论 | 第9-26页 |
| 1．1 多传感器数据融合的基本概念 | 第9-10页 |
| 1．2 数据融合的理论基础 | 第10-16页 |
| 1．2．1 数据融合的一般处理模型 | 第10-12页 |
| 1．2．2 第一级融合处理的结构及分类 | 第12-16页 |
| 1．3 数据融合的发展概况 | 第16-21页 |
| 1．3．1 多传感器目标检测融合理论的发展概况 | 第17-18页 |
| 1．3．2 多传感器跟踪融合理论的发展概况 | 第18-19页 |
| 1．3．3 多传感器目标识别融合理论的发展概况 | 第19-21页 |
| 1．4． 模糊信息处理技术及其在数据融合中的意义和作用 | 第21-22页 |
| 1．5 本文的内容安排及主要工作 | 第22-26页 |
| 第二章 具有模糊信息和自学习权重的分布式检测算法 | 第26-42页 |
| 2．1 引言 | 第26-27页 |
| 2．2 模糊假设检验 | 第27-29页 |
| 2．3 融合决策在线自学习算法 | 第29-34页 |
| 2．4 基于相关局部决策的融合决策在线自学习算法 | 第34-36页 |
| 2．5 融合决策在线自学习算法的误差分析 | 第36-38页 |
| 2．6 模拟举例 | 第38-40页 |
| 2．7 结论 | 第40-42页 |
| 第三章 基于多传感器多目标特征信息的模糊数据关联 | 第42-55页 |
| 3．1 引言 | 第42页 |
| 3．2 多目标模糊数据关联处理结构 | 第42-47页 |
| 3．3 多特征信息的模糊关联算法 | 第47-49页 |
| 3．4 模糊关联系统的学习算法 | 第49-51页 |
| 3．5 多特征信息对模糊关联性能的改善 | 第51-52页 |
| 3．6 应用举例 | 第52-54页 |
| 3．7 结论 | 第54-55页 |
| 第四章 多传感器模糊——概率交互作用的数据关联算法 | 第55-72页 |
| 4．1 引言 | 第55页 |
| 4．2 多传感器目标跟踪的模糊滤波算法 | 第55-59页 |
| 4．3 对加权系数W_j（K）的分析 | 第59-61页 |
| 4．4 模糊关联μ（K）的计算 | 第61-62页 |
| 4．5 多传感器多模型—模糊—概率数据关联算法 | 第62-69页 |
| 4．6 仿真举例 | 第69-70页 |
| 4．6．1 航迹模型 | 第69页 |
| 4．6．2 性能检验与比较 | 第69-70页 |
| 4．7 结论 | 第70-72页 |
| 第五章 模糊Hough变换检测多目标航迹的算法 | 第72-84页 |
| 5．1 引言 | 第72页 |
| 5．2 Hough变换及模糊Hough变换 | 第72-76页 |
| 5．2．1 Hough变换 | 第72-75页 |
| 5．2．2 模糊Hough变换 | 第75-76页 |
| 5．3 组合Hough变换及组合模糊Hough变换 | 第76-79页 |
| 5．3．1 组合Hough变换 | 第76-78页 |
| 5．3．2 组合模糊Hough变换 | 第78-79页 |
| 5．4 仿真举例 | 第79-83页 |
| 5．5 小结 | 第83-84页 |
| 第六章 基于模糊集理论的多传感器图象融合算法应用于图象识别 | 第84-99页 |
| 6．1 引言 | 第84-85页 |
| 6．2 图象模糊融合的基本原理 | 第85-87页 |
| 6．3 模糊融合算子的分类 | 第87-93页 |
| 6．3．1 与上下文内容无关的固定行为的算子 | 第88-90页 |
| 6．3．2 与上下文内容无关的可变行为的算子 | 第90页 |
| 6．3．3 与上下文内容有关的算子 | 第90-93页 |
| 6．4 多传感器多层次图象模糊融合算法应用于图象识别 | 第93-98页 |
| 6．4．1 多传感器多层次图象模糊融合系统 | 第93-94页 |
| 6．4．2 模板模糊匹配法识别目标类型 | 第94页 |
| 6．4．3 多传感器自适应变权融合算子 | 第94-95页 |
| 6．4．4 应用举例 | 第95-98页 |
| 6．5 小结 | 第98-99页 |
| 结束语 | 第99-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-115页 |
| 攻读博士学位期间所完成的研究论文 | 第115页 |
