| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 符号定义 | 第10-12页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.3 论文主要工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第2章 相关技术分析 | 第20-30页 |
| 2.1 单传感器动态系统的滤波理论与算法 | 第20-22页 |
| 2.1.1 基本Kalman滤波 | 第20-21页 |
| 2.1.2 扩展Kalman滤波 | 第21-22页 |
| 2.2 多传感器动态系统滤波理论与算法 | 第22-27页 |
| 2.2.1 集中式融合结构融合滤波 | 第23-25页 |
| 2.2.2 分布式融合结构融合滤波 | 第25-26页 |
| 2.2.3 混合式融合结构融合滤波 | 第26-27页 |
| 2.3 交互式多模型估计 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 不完全量测模型的建立 | 第30-41页 |
| 3.1 量测有效性不确定的来源 | 第30-32页 |
| 3.1.1 Bernoulli量测不确定模型 | 第31页 |
| 3.1.2 Markov量测不确定模型 | 第31-32页 |
| 3.2 不完全量测下的改良滤波算法 | 第32-35页 |
| 3.2.1 基于Bernoulli模型的改良型的Kalman滤波器 | 第33-34页 |
| 3.2.2 基于Markov模型的改良型的跳跃滤波器 | 第34页 |
| 3.2.3 不完全量测模型滤波性能分析 | 第34-35页 |
| 3.3 量测不确定的有效性函数表示 | 第35-37页 |
| 3.4 仿真实验分析和比较 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 分布式DIMM一致性滤波算法 | 第41-58页 |
| 4.1 不完全量测下的多模型估计算法 | 第41-42页 |
| 4.2 DIMM滤波算法 | 第42-45页 |
| 4.3 Kalman一致性滤波算法 | 第45-47页 |
| 4.4 两种结构的分布式DIMM一致性滤波算法 | 第47-55页 |
| 4.4.1 算法 1：在最终估计融合时采用一致性滤波算法 | 第47-50页 |
| 4.4.2 算法 2：在各模型滤波中使用一致性滤波算法 | 第50-52页 |
| 4.4.3 两种算法的对比 | 第52-55页 |
| 4.5 仿真实验分析和比较 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 异类传感器和不完全量测融合滤波的联合算法 | 第58-72页 |
| 5.1 异类传感器条件下融合滤波方法的局限 | 第58-59页 |
| 5.2 异类传感器的等价传感器构建 | 第59-60页 |
| 5.3 异类传感器的广义有效性不确定表述 | 第60-61页 |
| 5.4 异类传感器和不完全量测的联合算法 | 第61-65页 |
| 5.5 仿真实验分析和比较 | 第65-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 课题总结 | 第72-73页 |
| 6.2 课题展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第82页 |
