| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 课题研究背景及意义 | 第7页 |
| 1.2 状态估计研究现状 | 第7-11页 |
| 1.3 信息融合研究现状 | 第11-12页 |
| 1.4 本文主要研究内容 | 第12-14页 |
| 第二章 信息融合状态估计基本方法 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 信息融合基本方法 | 第14-15页 |
| 2.2.1 集中式与分布式融合方法 | 第14-15页 |
| 2.2.2 状态与观测融合方法 | 第15页 |
| 2.3 状态估计基本方法 | 第15-18页 |
| 2.3.1 Kalman滤波 | 第15-16页 |
| 2.3.2 FIR滤波 | 第16-18页 |
| 2.4 本章小结 | 第18-20页 |
| 第三章 线性离散状态时滞系统无偏FIR滤波 | 第20-28页 |
| 3.1 引言 | 第20页 |
| 3.2 模型描述 | 第20-22页 |
| 3.2.1 模型的无时滞转换 | 第20-21页 |
| 3.2.2 扩展状态空间模型 | 第21-22页 |
| 3.3 时滞系统UFIR滤波 | 第22-24页 |
| 3.3.1 无偏估计的批量形式 | 第22-23页 |
| 3.3.2 迭代形式实现 | 第23-24页 |
| 3.4 仿真结果 | 第24-27页 |
| 3.4.1 模型1 | 第24-26页 |
| 3.4.2 模型2 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 相关噪声下分布式状态融合无偏FIR滤波 | 第28-41页 |
| 4.1 引言 | 第28页 |
| 4.2 模型描述 | 第28-30页 |
| 4.2.1 模型转化 | 第29页 |
| 4.2.2 扩展状态空间模型 | 第29-30页 |
| 4.3 局部UFIR滤波 | 第30-31页 |
| 4.4 分布式信息融合滤波 | 第31-33页 |
| 4.4.1 最优融合准则 | 第31-32页 |
| 4.4.2 融合估计误差互协方差矩阵 | 第32-33页 |
| 4.5 仿真结果 | 第33-39页 |
| 4.5.1 目标跟踪模型 | 第34-37页 |
| 4.5.2 1自由度扭转系统 | 第37-39页 |
| 4.6 本章小结 | 第39-41页 |
| 第五章 基于迭代互协方差的分布式融合最优无偏FIR滤波 | 第41-54页 |
| 5.1 引言 | 第41页 |
| 5.2 模型描述 | 第41-42页 |
| 5.3 局部OUFIR滤波 | 第42-45页 |
| 5.3.1 批量计算形式 | 第42-43页 |
| 5.3.2 等价迭代形式 | 第43-45页 |
| 5.4 分布式信息融合滤波 | 第45-47页 |
| 5.4.1 互协方差及其迭代形式 | 第45-46页 |
| 5.4.2 最优加权融合OUFIR滤波 | 第46-47页 |
| 5.5 仿真结果 | 第47-53页 |
| 5.5.1 目标跟踪模型 | 第47-51页 |
| 5.5.2 1自由度扭转系统 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录:基于Python的状态估计仿真平台的GUI设计 | 第60-65页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第65页 |