| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-12页 |
| 第一章 绪论 | 第12-22页 |
| 1．1 本文研究的背景 | 第12-14页 |
| 1．2 信息融合与信息融合估计 | 第14-17页 |
| 1．2．1 信息融合理论概述 | 第14-15页 |
| 1．2．2 信息融合估计理论概述 | 第15-17页 |
| 1．3 信息融合估计的结构形式 | 第17-20页 |
| 1．3．1 集中式融合结构 | 第17-18页 |
| 1．3．2 串联式融合结构 | 第18页 |
| 1．3．3 分布式融合结构 | 第18-20页 |
| 1．3．4 混合式融合结构 | 第20页 |
| 1．4 本文的主要研究内容 | 第20-22页 |
| 第二章 多传感器系统信息融合估计理论 | 第22-50页 |
| 2．1 概述 | 第22-26页 |
| 2．1．1 测量误差与测量精度 | 第23-24页 |
| 2．1．2 信息与信息量 | 第24页 |
| 2．1．3 信息空间 | 第24-25页 |
| 2．1．4 信息的相关性 | 第25-26页 |
| 2．2 信息融合估计基本定理 | 第26-46页 |
| 2．2．1 引子 | 第26-28页 |
| 2．2．2 最小方差无偏估计 | 第28-34页 |
| 2．2．3 线性最小方差无偏估计 | 第34-37页 |
| 2．2．4 信息最优融合估计定理 | 第37-42页 |
| 2．2．5 信息正交化定理 | 第42-44页 |
| 2．2．6 信息分享原理与信息量分解定理 | 第44-46页 |
| 2．3 信息融合估计统一模型 | 第46-48页 |
| 2．3．1 统一线性融合模型 | 第47页 |
| 2．3．2 状态预测信息 | 第47页 |
| 2．3．3 先验信息 | 第47页 |
| 2．3．4 状态预测信息独立性原理 | 第47-48页 |
| 2．4 本章小结 | 第48-50页 |
| 第三章 基于信息融合估计理论的Kalman滤波 | 第50-68页 |
| 3．1 基于融合估计理论的经典Kalman滤波描述 | 第50-53页 |
| 3．1．1 经典Kalman滤波算法一种新描述 | 第50-52页 |
| 3．1．2 滤波初值的确定 | 第52-53页 |
| 3．2 多传感器系统集中式Kalman滤波 | 第53-55页 |
| 3．2．1 多传感器系统数学模型 | 第53-54页 |
| 3．2．2 集中滤波 | 第54-55页 |
| 3．3 多传感器系统分散式Kalman滤波 | 第55-63页 |
| 3．3．1 顺序滤波 | 第55-57页 |
| 3．3．2 平行滤波 | 第57-59页 |
| 3．3．3 联合滤波 | 第59-63页 |
| 3．4 多传感器系统融合式Kalman滤波 | 第63-67页 |
| 3．4．1 量测融合滤波 | 第63-65页 |
| 3．4．2 状态融合滤波 | 第65-67页 |
| 3．5 本章小结 | 第67-68页 |
| 第四章 基于信息融合估计理论的相关信息滤波 | 第68-84页 |
| 4．1 量测噪声与系统噪声相关时的Kalman滤波 | 第68-69页 |
| 4．2 有色噪声条件下的Kalman滤波 | 第69-73页 |
| 4．2．1 系统噪声为有色噪声时的Kalman滤波 | 第70页 |
| 4．2．2 量测噪声为有色噪声时的Kalman滤波 | 第70-72页 |
| 4．2．3 系统噪声和量测噪声都为有色噪声时的Kalman滤波 | 第72-73页 |
| 4．3 滤波激励滤波条件下的Kalman滤波 | 第73-81页 |
| 4．3．1 多传感器系统全信息 | 第73-75页 |
| 4．3．2 系统状态预测信息与子系统状态估计信息之间的正交化 | 第75-79页 |
| 4．3．3 信息正交化法滤波 | 第79页 |
| 4．3．4 延长融合周期法滤波 | 第79-81页 |
| 4．4 仿真算例 | 第81-83页 |
| 4．5 本章小结 | 第83-84页 |
| 第五章 多传感器系统联合滤波的容错性研究 | 第84-99页 |
| 5．1 联合滤波的4种融合模式及其容错性分析 | 第84-88页 |
| 5．1．1 集中滤波的容错性分析 | 第85-86页 |
| 5．1．2 联合滤波模式A及其容错性分析 | 第86页 |
| 5．1．3 联合滤波模式B及其容错性分析 | 第86-87页 |
| 5．1．4 联合滤波模式C及其容错性分析 | 第87页 |
| 5．1．5 联合滤波模式D及其容错性分析 | 第87-88页 |
| 5．2 联合滤波中信息量分享系数的确定 | 第88-90页 |
| 5．3 联合滤波器的故障检测与重构技术 | 第90-95页 |
| 5．3．1 基于子系统滤波器的残差x~2检验法 | 第90-92页 |
| 5．3．2 基于移动伪正常状态的残差x~2检验法 | 第92-93页 |
| 5．3．3 基于递阶联合滤波器结构的系统重构策略 | 第93-95页 |
| 5．4 仿真算例 | 第95-97页 |
| 5．5 本章小结 | 第97-99页 |
| 第六章 卫星姿态确定系统信息融合估计技术研究 | 第99-124页 |
| 6．1 卫星姿态确定算法分析 | 第99-104页 |
| 6．1．1 姿态敏感器矢量测量模型 | 第99-100页 |
| 6．1．2 基于代数解算的姿态确定算法 | 第100-101页 |
| 6．1．3 基于静态融合估计的姿态确定算法 | 第101-102页 |
| 6．1．4 基于动态融合估计的姿态确定算法 | 第102-104页 |
| 6．2 一种高精度容错卫星姿态确定系统 | 第104-107页 |
| 6．2．1 姿态确定系统硬件配置 | 第104-105页 |
| 6．2．2 姿态确定系统容错设计及分析 | 第105-107页 |
| 6．3 卫星姿态确定系统联合滤波算法 | 第107-116页 |
| 6．3．1 陀螺测量模型及姿态误差状态方程 | 第107-109页 |
| 6．3．2 GPS姿态敏感器量测方程 | 第109-110页 |
| 6．3．3 红外地平仪量测方程 | 第110页 |
| 6．3．4 太阳敏感器量测方程 | 第110-111页 |
| 6．3．5 姿态确定系统的容错联合滤波及实现过程 | 第111-116页 |
| 6．4 卫星姿态确定系统数学仿真及分析 | 第116-123页 |
| 6．4．1 典型联合滤波器仿真结果及分析 | 第117-121页 |
| 6．4．2 两种容错姿态确定方案仿真结果比较 | 第121-123页 |
| 6．5 本章小结 | 第123-124页 |
| 第七章 基于角度信息的卫星初轨计算技术研究 | 第124-136页 |
| 7．1 引言 | 第124-125页 |
| 7．2 用遗传算法确定卫星初始轨道 | 第125-131页 |
| 7．2．1 原理 | 第125-127页 |
| 7．2．2 遗传算法的实现过程 | 第127-128页 |
| 7．2．3 仿真分析 | 第128-131页 |
| 7．3 用图解法确定卫星初始轨道 | 第131-135页 |
| 7．3．1 原理 | 第131-134页 |
| 7．3．2 仿真分析 | 第134-135页 |
| 7．4 本章小结 | 第135-136页 |
| 第八章 本文总结 | 第136-138页 |
| 参考文献 | 第138-145页 |
| 致谢 | 第145-146页 |
| 攻读博士学位期间发表的论文 | 第146页 |
| 攻读博士学位期间受到的奖励 | 第146页 |
