| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景 | 第7页 |
| ·研究意义及现状 | 第7-10页 |
| ·本论文的主要工作 | 第10-11页 |
| 2 多传感器数据融合偏差配准问题基础 | 第11-15页 |
| ·问题的提出 | 第11页 |
| ·时空配准任务 | 第11页 |
| ·坐标系及其坐标转换 | 第11-13页 |
| ·传感器坐标模型 | 第11-12页 |
| ·目标状态跟踪 | 第12-13页 |
| ·目标运动模型 | 第13-14页 |
| ·微分多项式模型 | 第13页 |
| ·CV和CA模型 | 第13-14页 |
| ·偏差估计性能评价准则 | 第14页 |
| ·本章小结 | 第14-15页 |
| 3 时间配准算法研究 | 第15-23页 |
| ·时间配准意义 | 第15页 |
| ·配准频率的选择 | 第15-16页 |
| ·常用时间配准算法简介 | 第16-17页 |
| ·虚拟融合法 | 第16页 |
| ·内插外推法 | 第16-17页 |
| ·一种改进的实时时间配准算法 | 第17-22页 |
| ·自适应α-β滤波算法 | 第17-18页 |
| ·自适应α-β滤波算法与Lagrange插值法相结合的实时时间配准算法 | 第18-21页 |
| ·仿真结果与分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 4 空间配准算法研究 | 第23-43页 |
| ·卡尔曼滤波算法 | 第23-25页 |
| ·扩展卡尔曼滤波算法(EKF)及其在系统偏差配准中的应用 | 第25-27页 |
| ·扩展卡尔曼滤波算法(EKF) | 第25-26页 |
| ·EKF在系统偏差配准中的应用 | 第26-27页 |
| ·不敏卡尔曼滤波算法(UKF)及其在系统偏差配准中的应用 | 第27-30页 |
| ·不敏卡尔曼滤波算法(UKF) | 第27-30页 |
| ·UKF在系统偏差配准中的应用 | 第30页 |
| ·粒子滤波算法(PF)及其在系统偏差配准中的应用 | 第30-33页 |
| ·粒子滤波算法(PF) | 第30-32页 |
| ·PF在系统偏差配准中的应用 | 第32-33页 |
| ·无偏转换卡尔曼滤波算法及其在系统偏差配准中的应用 | 第33-38页 |
| ·无偏转换卡尔曼滤波算法 | 第33-35页 |
| ·无偏转换卡尔曼滤波算法在系统偏差配准中的应用 | 第35-38页 |
| ·仿真对比与分析 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 5 偏差配准算法的改进与扩展 | 第43-65页 |
| ·改进的ASUKF偏差配准算法 | 第43-50页 |
| ·配准模型的建立 | 第43-45页 |
| ·ASUKF偏差配准算法的改进 | 第45-47页 |
| ·仿真分析 | 第47-50页 |
| ·含融合反馈的偏差配准算法 | 第50-54页 |
| ·含反馈信息的偏差配准算法 | 第50-52页 |
| ·仿真分析 | 第52-54页 |
| ·不完全量测下的多传感器系统偏差配准算法 | 第54-64页 |
| ·不完全量测模型 | 第54-55页 |
| ·不完全量测下的改进ASUKF偏差配准算法 | 第55-57页 |
| ·对探测概率的分析讨论 | 第57-62页 |
| ·仿真分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 6 结论与展望 | 第65-67页 |
| ·课题研究结论 | 第65页 |
| ·尚待研究问题 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-72页 |
