| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 多传感器信息融合系统概述 | 第12-16页 |
| 1.2.1 多传感器信息融合系统的功能模型 | 第12-13页 |
| 1.2.2 多传感器融合系统的结构模型 | 第13-15页 |
| 1.2.3 多传感器信息融合基本方法 | 第15-16页 |
| 1.3 多传感器信息融合技术的应用 | 第16-18页 |
| 1.4 国内外研究现状 | 第18-20页 |
| 1.4.1 能量受限问题 | 第18-19页 |
| 1.4.2 介质访问受限问题 | 第19-20页 |
| 1.5 本文研究工作及内容安排 | 第20-22页 |
| 第2章 预备知识 | 第22-30页 |
| 2.1 H_∞滤波 | 第22-23页 |
| 2.2 Kalman融合估计 | 第23-27页 |
| 2.2.1 经典Kalman滤波算法 | 第23-24页 |
| 2.2.2 集中式Kalman滤波算法 | 第24-25页 |
| 2.2.3 最优加权分布式状态融合Kalman估计算法 | 第25-27页 |
| 2.3 线性矩阵不等式(LMI) | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 能量受限下网络化多传感器融合系统的H_∞估计 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 系统建模和问题描述 | 第30-34页 |
| 3.3 H_∞融合估计器设计 | 第34-37页 |
| 3.4 示例 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 介质访问受限下网络化多传感器融合系统的Kalman估计 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 系统建模和问题描述 | 第41-44页 |
| 4.3 Kalman融合估计器设计 | 第44-48页 |
| 4.4 示例 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间参加的科研项目和成果 | 第58页 |
