| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-22页 |
| ·课题研究的背景及意义 | 第11-20页 |
| ·C~4ISR系统的概念 | 第11-12页 |
| ·C~4ISR系统在未来战争中的地位和作用 | 第12-16页 |
| ·信息融合技术 | 第16-18页 |
| ·信息融合技术在C~4ISR系统中应用现状 | 第18-20页 |
| ·论文的研究内容及主要工作 | 第20-22页 |
| ·论文研究主要内容 | 第20-21页 |
| ·论文章节结构 | 第21-22页 |
| 第2章 信息融合技术模型与方法 | 第22-32页 |
| ·信息融合系统的模型结构 | 第22-27页 |
| ·功能模型 | 第22-24页 |
| ·数据融合的级别 | 第24-26页 |
| ·通用处理结构 | 第26-27页 |
| ·多源信息融合的主要技术和方法 | 第27-29页 |
| ·信息融合要解决的几个关键问题 | 第29-30页 |
| ·多源信息融合的发展趋势 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 C~4ISR系统中的信息融合技术 | 第32-45页 |
| ·C~4ISR系统的多信息源 | 第32-33页 |
| ·信息源分析 | 第32页 |
| ·一般传感器工作原理 | 第32-33页 |
| ·C~4ISR系统中信息融合的结构模型和功能模型 | 第33-35页 |
| ·C~4ISR系统中信息融合技术主要解决的问题 | 第35-36页 |
| ·多源信息融合用于C~4ISR系统优势 | 第36-37页 |
| ·基于智能技术的C~4ISR系统信息融合模型 | 第37-43页 |
| ·通用C~4ISR系统信息融合系统 | 第37-39页 |
| ·传统C~4ISR系统信息融合系统存在的问题 | 第39-40页 |
| ·智能技术用于C~4ISR系统信息融合系统优势 | 第40-42页 |
| ·智能C~4ISR系统信息融合系统模型 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第4章 信息融合用于C~4ISR系统目标跟踪 | 第45-76页 |
| ·信息融合用于C~4ISR系统目标跟踪 | 第45-46页 |
| ·基于BP网络的自适应目标跟踪 | 第46-54页 |
| ·机动目标“当前”统计数学模型 | 第46-48页 |
| ·自适应Kalman滤波算法 | 第48-49页 |
| ·BP神经网络学习算法 | 第49-52页 |
| ·基于BP网络的自适应跟踪算法 | 第52-54页 |
| ·BP-Kalman滤波算法 | 第54-59页 |
| ·BP-Kalman滤波算法设计 | 第54-56页 |
| ·BP-Kalman滤波算法仿真分析 | 第56-59页 |
| ·BP-Kalman滤波算法用于C~4ISR系统目标跟踪 | 第59-75页 |
| ·信息融合用于目标跟踪方案设计 | 第59-60页 |
| ·雷达跟踪目标原理 | 第60-63页 |
| ·红外光学系统跟踪目标原理 | 第63-65页 |
| ·坐标变换 | 第65-66页 |
| ·传感器探测数据预处理 | 第66-67页 |
| ·Kalman滤波加权融合算法 | 第67-70页 |
| ·雷达红外目标跟踪融合算法 | 第70-72页 |
| ·目标跟踪融合算法仿真 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第5章 信息融合用于C~4ISR系统目标识别 | 第76-94页 |
| ·信息融合用于C~4ISR系统目标识别模型 | 第76-78页 |
| ·自适应模糊神经网络 | 第78-82页 |
| ·模糊神经元及模糊神经网络 | 第78-79页 |
| ·自适应模糊神经网络推理结构 | 第79-81页 |
| ·自适应模糊神经网络学习算法 | 第81-82页 |
| ·基于ANFIS的信息融合用于目标识别 | 第82-91页 |
| ·问题描述 | 第82页 |
| ·目标识别系统模型 | 第82-83页 |
| ·目标特征提取及归一化 | 第83-87页 |
| ·模糊神经网络设计 | 第87-89页 |
| ·模糊神经网络算法流程 | 第89-91页 |
| ·基于ANFIS的信息融合仿真分析 | 第91-93页 |
| ·本章小结 | 第93-94页 |
| 结论 | 第94-96页 |
| 参考文献 | 第96-100页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第100-101页 |
| 致谢 | 第101页 |