| 中文摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题研究的背景和意义 | 第8页 |
| ·多传感器信息融合技术 | 第8-14页 |
| ·信息融合技术的国内外研究状况 | 第8-10页 |
| ·信息融合的结构 | 第10-12页 |
| ·信息融合的方法 | 第12-13页 |
| ·信息融合中的状态估计 | 第13-14页 |
| ·信号估计问题概况 | 第14-15页 |
| ·主要研究内容 | 第15-16页 |
| 第2章 预备知识 | 第16-24页 |
| ·引言 | 第16页 |
| ·三种最优加权信息融合算法及其计算量比较 | 第16-18页 |
| ·基于正常系统的多传感器 Kalman 估值器 | 第18-21页 |
| ·基于正常系统的局部及多传感器 Wiener 估值器 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 多传感器多通道 ARMA 信号信息融合估值器 | 第24-35页 |
| ·引言 | 第24页 |
| ·多传感器多通道 ARMA 信号信息融合 Kalman 估值器 | 第24-29页 |
| ·问题的阐述 | 第24-25页 |
| ·模型转化 | 第25-26页 |
| ·局部单传感器 Kalman 估值器 | 第26-27页 |
| ·任两个传感器子系统之间的估计误差互协方差阵的计算 | 第27-29页 |
| ·多传感器多通道 ARMA 信号信息融合 Wiener 估值器 | 第29-32页 |
| ·问题的阐述 | 第29-30页 |
| ·局部单传感器 Wiener 估值器 | 第30-31页 |
| ·任两个传感器子系统之间的互协方差阵的计算 | 第31页 |
| ·分布式加权信息融合 Wiener 估值器 | 第31-32页 |
| ·仿真实例 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 多传感器 ARMA 信号信息融合反卷积滤波器 | 第35-44页 |
| ·引言 | 第35页 |
| ·多传感器 ARMA 信号信息融合反卷积 Kalman 滤波器 | 第35-42页 |
| ·问题的阐述 | 第35-36页 |
| ·局部单传感器 Kalman 估值器 | 第36-39页 |
| ·预报误差互协方差阵的计算 | 第39-40页 |
| ·最优信息融合反卷积滤波器 | 第40-42页 |
| ·仿真实例 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 带观测滞后的 ARMA 信号信息融合估值器 | 第44-57页 |
| ·引言 | 第44页 |
| ·带多步观测滞后的ARMA 信号信息融合Kalman 估值器 | 第44-46页 |
| ·问题的阐述 | 第44-45页 |
| ·系统转化 | 第45-46页 |
| ·带一步观测滞后的ARMA 信号信息融合Kalman 估值器 | 第46-55页 |
| ·问题的阐述 | 第46-47页 |
| ·系统转化 | 第47-48页 |
| ·基于单传感器的局部 Kalman 估值器 | 第48-52页 |
| ·任两个传感器子系统之间的互协方差阵的计算 | 第52-54页 |
| ·分布式加权信息融合估值器 | 第54-55页 |
| ·仿真实例 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结语 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
