| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的目的和意义 | 第9-11页 |
| 1.2 国内外同类课题研究现状及发展趋势 | 第11-13页 |
| 1.3 本文研究的主要问题 | 第13-15页 |
| 第二章 多新息辨识理论 | 第15-35页 |
| 2.1 引言 | 第15页 |
| 2.2 多新息最小二乘法辨识方法 | 第15-30页 |
| 2.2.1 最小二乘算法 | 第15-18页 |
| 2.2.2 递推增广最小二乘算法 | 第18-19页 |
| 2.2.3 多新息递推增广最小二乘算法 | 第19-20页 |
| 2.2.4 等递推间隔多新息最小二乘算法 | 第20页 |
| 2.2.5 变递推间隔多新息最小二乘算法 | 第20-21页 |
| 2.2.6 仿真实例 | 第21-30页 |
| 2.3 多新息随机梯度算法 | 第30-34页 |
| 2.3.1 多新息随机梯度算法 | 第30-31页 |
| 2.3.2 仿真实例 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 带未知参数系统的多新息自校正卡尔曼滤波器 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 多新息最小二乘卡尔曼滤波器 | 第35-40页 |
| 3.2.1 问题阐述 | 第35-36页 |
| 3.2.2 多新息最小二乘卡尔曼滤波器 | 第36-38页 |
| 3.2.3 仿真实例 | 第38-40页 |
| 3.3 多新息随机梯度卡尔曼滤波器 | 第40-46页 |
| 3.3.1 随机梯度卡尔曼滤波器 | 第40-41页 |
| 3.3.2 多新息随机梯度卡尔曼滤波器 | 第41页 |
| 3.3.3 多新息随机梯度多新息卡尔曼滤波器 | 第41-42页 |
| 3.3.4 仿真实例 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 带未知参数系统的多传感器多新息自校正卡尔曼滤波器 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 集中式多传感器多新息卡尔曼滤波器 | 第47-51页 |
| 4.2.1 问题的阐述 | 第47-48页 |
| 4.2.2 集中式多传感器卡尔曼滤波器 | 第48页 |
| 4.2.3 集中式多传感器多新息卡尔曼滤波器 | 第48-49页 |
| 4.2.4 仿真实例 | 第49-51页 |
| 4.3 矩阵加权多传感器多新息卡尔曼滤波器 | 第51-56页 |
| 4.3.1 矩阵加权多传感器卡尔曼滤波器 | 第51-52页 |
| 4.3.2 矩阵加权多传感器多新息卡尔曼滤波器 | 第52页 |
| 4.3.3 仿真实例 | 第52-56页 |
| 4.4 多传感器多新息CI融合滤波器 | 第56-60页 |
| 4.4.1 多传感器CI融合滤波器 | 第56-57页 |
| 4.4.2 多传感器多新息CI融合滤波器 | 第57页 |
| 4.4.3 仿真实例 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表论文 | 第68页 |