信息融合滤波算法细粒度模块提取与管理研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·信息融合系统的研究进展 | 第10-13页 |
| ·信息融合算法的研究进展 | 第13-15页 |
| ·信息融合资源管理的研究进展 | 第15页 |
| ·课题研究目标与研究内容 | 第15-16页 |
| ·本文主要内容与安排 | 第16-18页 |
| 第2章 信息融合以及算法简介 | 第18-30页 |
| ·多源信息融合 | 第18-24页 |
| ·多源信息融合的定义 | 第18-19页 |
| ·多源信息融合的分类 | 第19-21页 |
| ·多源信息融合的主要方法 | 第21-24页 |
| ·位置级信息融合算法 | 第24-28页 |
| ·状态估计算法 | 第24-25页 |
| ·数据关联算法 | 第25-26页 |
| ·航迹关联算法 | 第26-27页 |
| ·航迹融合算法 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 信息融合单模型滤波算法的模块提取与管理 | 第30-45页 |
| ·传统单模型滤波算法特性分析 | 第31-36页 |
| ·α-β与α-β滤波器 | 第31-33页 |
| ·Kalman滤波 | 第33-34页 |
| ·扩展Kalman滤波 | 第34-36页 |
| ·单模型算法的细粒度模块提取与管理 | 第36-44页 |
| ·算法模块提取以及相关Λ(k+1)敏感指标的推导 | 第36-39页 |
| ·Λ(k+1)敏感指标的细粒度参数辨别推导与实验 | 第39-42页 |
| ·实验验证 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 信息融合多模型滤波算法的模块提取以及管理 | 第45-57页 |
| ·传统多模型算法介绍与比较 | 第45-48页 |
| ·多模型算法的不足以及主要弥补手段 | 第48页 |
| ·多模型算法模型集管理以及自适应实现 | 第48-55页 |
| ·模型组的确定 | 第48-50页 |
| ·敏感指标的确定与算法步骤 | 第50-52页 |
| ·实验验证 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表的学术论文 | 第65页 |
