| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-15页 |
| ·多传感器网络问题概述 | 第9-10页 |
| ·多传感器决策融合应用到量化估计问题中 | 第10-12页 |
| ·衰减信道中的多传感器决策和估计融合 | 第12-15页 |
| 第二章 分布式多传感器决策融合算法 | 第15-31页 |
| ·二元决策融合问题 | 第15-23页 |
| ·多元决策融合问题 | 第23-25页 |
| ·融合律的问题 | 第25-31页 |
| 第三章 决策融合方法用于解决估计融合传感器量化问题 | 第31-57页 |
| ·估计融合传感器量化问题转化为决策融合问题 | 第31-42页 |
| ·问题的背景和描述 | 第31-33页 |
| ·将估计问题通过区间划分转化为决策问题 | 第33-36页 |
| ·贝叶斯损失函数和损失系数的确定 | 第36-39页 |
| ·融合律的分析和确定 | 第39-42页 |
| ·网络结构的研究 | 第42-45页 |
| ·用决策融合的判决结果作为参数估计的算法实现 | 第45-48页 |
| ·更好的区间划分形式 | 第48-49页 |
| ·结合实际确定损失系数和迭代初值 | 第49-51页 |
| ·计算机模拟实验结果 | 第51-57页 |
| 第四章 衰减信道下的决策融合问题 | 第57-75页 |
| ·衰减信道的介绍和记号说明 | 第57-59页 |
| ·衰减信道下的决策融合律和信道错误的联系 | 第59-67页 |
| ·衰减信道下的二传感器二元决策 | 第59-63页 |
| ·衰减信道下的多传感器多元决策 | 第63-65页 |
| ·衰减信道下信道衰减相关情形下的决策融合 | 第65-67页 |
| ·衰减信道下最优传感器压缩律的必要条件及迭代算法 | 第67-68页 |
| ·信道衰减下的估计融合问题 | 第68页 |
| ·计算机模拟实验结果 | 第68-75页 |
| 第五章 结论 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 作者攻读博士学位期间的工作目录 | 第83-85页 |
| 致谢 | 第85页 |