| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题的背景和意义 | 第7-8页 |
| ·战场侦察传感器网络概述 | 第8-10页 |
| ·无线传感器网络概述 | 第8-9页 |
| ·战场侦察传感器系统概述 | 第9-10页 |
| ·本文的主要研究内容 | 第10-12页 |
| 第二章 传感器网络目标识别的数据融合 | 第12-23页 |
| ·数据融合的概述 | 第12-13页 |
| ·数据融合基本概念及应用 | 第12-13页 |
| ·数据融合的一般功能模型 | 第13页 |
| ·多传感器目标识别的数据融合 | 第13-18页 |
| ·目标识别的数据融合含义及重要性 | 第13-14页 |
| ·属性融合的原理 | 第14页 |
| ·属性融合的结构 | 第14-16页 |
| ·多传感器信息融合的实现方法 | 第16-18页 |
| ·战场复杂干扰环境下多传感器目标识别决策融合结构 | 第18-23页 |
| ·决策融合概念 | 第18页 |
| ·多传感器目标识别决策融合的数学模型 | 第18-21页 |
| ·战场环境下多传感器目标识别决策融合结构 | 第21-23页 |
| 第三章 基于神经网络的目标分类识别 | 第23-32页 |
| ·基于特征信息目标分类识别 | 第23-24页 |
| ·分类识别的原理 | 第23页 |
| ·分类器的选择 | 第23-24页 |
| ·人工神经网络的简介 | 第24-26页 |
| ·人工神经元 | 第24-25页 |
| ·神经元的学习算法 | 第25-26页 |
| ·人工神经网络的模型 | 第26页 |
| ·人工神经网络的基本工作原理 | 第26页 |
| ·人工神经网络的特点和优越性 | 第26页 |
| ·基于BP神经网络的目标识别 | 第26-30页 |
| ·BP(back propagation)神经网络的结构和算法 | 第26-29页 |
| ·BP神经网络的分类原理 | 第29-30页 |
| ·BP神经网络识别性能分析 | 第30-32页 |
| 第四章 战场环境下的传感器可信度估计 | 第32-39页 |
| ·战场环境中多传感器数据融合存在的问题 | 第32页 |
| ·传感器的可信度 | 第32-33页 |
| ·传感器可信度的估计 | 第33-39页 |
| ·神经模糊控制理论 | 第33-34页 |
| ·ANFIS可信度判别器设计 | 第34-39页 |
| 第5章 战场环境下多传感器目标识别模型 | 第39-49页 |
| ·多传感器目标识别系统模型的建立 | 第39-40页 |
| ·多传感器目标识别系统模型的提出 | 第39-40页 |
| ·多传感器目标识别系统模型的工作原理 | 第40页 |
| ·多传感器目标识别系统模型的实现 | 第40-44页 |
| ·利用BP神经网络进行传感器的本地分类识别 | 第40页 |
| ·采用ANFIS的传感器可信度权值的估计 | 第40-41页 |
| ·多传感器目标识别的融合实现及考虑传感器可信度权值的属性融合 | 第41-44页 |
| ·仿真实验及结果分析 | 第44-49页 |
| ·仿真实验环境 | 第44-46页 |
| ·仿真实验及结果 | 第46-49页 |
| 第六章 结束语 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 研究成果 | 第55-56页 |