| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-24页 |
| ·多传感器信息融合的定义及其特点 | 第12-15页 |
| ·多传感器信息融合的定义 | 第13-14页 |
| ·多传感器信息融合的优势 | 第14-15页 |
| ·多传感器信息融合的国内外研究现状 | 第15-16页 |
| ·国外研究现状 | 第15-16页 |
| ·国内研究现状 | 第16页 |
| ·多传感器信息融合的研究背景及意义 | 第16-17页 |
| ·多传感器信息融合的基本理论 | 第17-21页 |
| ·多传感器信息融合的基本形式 | 第17-19页 |
| ·多传感器信息融合的基本模型 | 第19-21页 |
| ·论文安排 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第2章 多传感器信息融合的基本方法 | 第24-36页 |
| ·多传感器信息融合的基本方法简介 | 第24-26页 |
| ·常用的几种多传感器信息融合方法 | 第26-34页 |
| ·基于 Bayse 估计的的信息融合方法 | 第26-28页 |
| ·基于 D-S 证据理论的信息融合方法 | 第28-30页 |
| ·基于神经网络的信息融合方法 | 第30-33页 |
| ·基于粗糙集的信息融合方法 | 第33-34页 |
| ·多传感器信息融合的数学模型 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 D-S 证据理论冲突问题 | 第36-43页 |
| ·D-S 证据理论的冲突问题及其解决方法 | 第36-39页 |
| ·D-S 证据理论的冲突问题 | 第36-38页 |
| ·D-S 冲突问题的解决方法 | 第38-39页 |
| ·一种基于D-S 基本合成规则的改进方法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于模糊集理论的多传感器信息融合方法 | 第43-56页 |
| ·模糊集基本理论 | 第43-45页 |
| ·模糊集合与隶属函数的概念 | 第43-44页 |
| ·模糊集合的格运算及其性质 | 第44-45页 |
| ·模糊综合评判与模糊相似矩阵的原理 | 第45-47页 |
| ·模糊综合评判的原理 | 第45-46页 |
| ·模糊贴进度的概念 | 第46页 |
| ·模糊相似矩阵的概念 | 第46-47页 |
| ·传感器测量信息的模糊化 | 第47-48页 |
| ·基于模糊相似矩阵的多源信息融合加权平均算法 | 第48-52页 |
| ·冲突证据数据模型处理 | 第48-50页 |
| ·信息融合方法 | 第50页 |
| ·仿真实验 | 第50-52页 |
| ·基于模糊综合评判的多传感器信息融合技术 | 第52-55页 |
| ·模糊综合评判原理应用于信息融合的方法 | 第53页 |
| ·模型结构及算法描述 | 第53-54页 |
| ·仿真实验 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 D-S 证据在热觉和力觉传感器信息融合中应用 | 第56-61页 |
| ·基于D-S 证据多感觉机器人的热觉和力觉信息融合技术 | 第56-60页 |
| ·多感觉智能机器人的系统组成 | 第56页 |
| ·D-S 证据理论实现热觉和力觉传感器信息融合实现材质分类 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 1 总结 | 第61页 |
| 2 研究工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文 | 第68页 |
