多运动平台协同导航的分散式算法研究
| 摘要 | 第1-15页 |
| ABSTRACT | 第15-18页 |
| 第一章 绪论 | 第18-38页 |
| ·研究背景 | 第18-21页 |
| ·多运动平台协同导航的相关研究 | 第21-22页 |
| ·分散式数据融合技术 | 第22-26页 |
| ·多传感器目标跟踪 | 第24-25页 |
| ·传感器网络的校准 | 第25-26页 |
| ·分散式协同导航算法研究 | 第26-29页 |
| ·贝叶斯网络推理算法 | 第29-32页 |
| ·算法分类 | 第30-32页 |
| ·几种推理算法 | 第32页 |
| ·机器人同步定位与建图（SLAM）的启示 | 第32-33页 |
| ·论文的主要研究内容 | 第33-35页 |
| ·论文的主要贡献和创新点 | 第35-38页 |
| 第二章 多运动平台协同导航的数学模型 | 第38-50页 |
| ·协同导航系统特征分析 | 第38-39页 |
| ·协同导航的状态空间模型 | 第39-43页 |
| ·单平台的状态空间模型 | 第39-41页 |
| ·平台系统的状态空间模型 | 第41-42页 |
| ·状态空间模型小结 | 第42-43页 |
| ·协同导航的概率图模型 | 第43-49页 |
| ·概率图模型 | 第43页 |
| ·动态贝叶斯网络表达 | 第43-46页 |
| ·马尔可夫随机场 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第三章 协同导航增广信息滤波算法 | 第50-66页 |
| ·协同导航的高斯滤波 | 第50-58页 |
| ·高斯滤波 | 第50-51页 |
| ·矩参数表达 | 第51-54页 |
| ·信息参数表达 | 第54-58页 |
| ·协同导航的增广信息滤波 | 第58-60页 |
| ·基于矩阵分解的状态恢复算法 | 第60-62页 |
| ·均值恢复 | 第60-61页 |
| ·协方差按列恢复 | 第61页 |
| ·稀疏协方差恢复 | 第61-62页 |
| ·增广信息滤波的马尔可夫随机场 | 第62-63页 |
| ·小结 | 第63-66页 |
| 第四章 协同导航分散式增广信息滤波算法设计 | 第66-98页 |
| ·单平台局部数据融合 | 第66-69页 |
| ·状态添加 | 第66-68页 |
| ·观测更新 | 第68页 |
| ·状态消元 | 第68-69页 |
| ·分布式递增Cholesky 修正算法 | 第69-78页 |
| ·矩阵的Cholesky 分解 | 第69-70页 |
| ·递增Cholesky 修正 | 第70-72页 |
| ·递增的状态恢复 | 第72-73页 |
| ·分布式递增Cholesky 修正 | 第73-77页 |
| ·关于选取Cholesky 分解算法的讨论 | 第77-78页 |
| ·基于递增Cholesky 修正的分散式状态恢复 | 第78-86页 |
| ·递增Cholesky 修正 | 第79-84页 |
| ·状态恢复 | 第84-85页 |
| ·存储管理 | 第85-86页 |
| ·算法框架及性能分析 | 第86-90页 |
| ·算法框架 | 第86-88页 |
| ·性能指标 | 第88-89页 |
| ·性能分析 | 第89-90页 |
| ·仿真实验 | 第90-93页 |
| ·比较：分散式卡尔曼滤波（DKF） | 第93-95页 |
| ·小结 | 第95-98页 |
| 第五章 高斯动态贝叶斯网络推理算法设计 | 第98-144页 |
| ·引言 | 第98-100页 |
| ·联合树及其构造 | 第100-104页 |
| ·概率图消元 | 第100-102页 |
| ·联合树的构造 | 第102-104页 |
| ·离散贝叶斯网络联合树算法 | 第104-110页 |
| ·运算定义 | 第106-107页 |
| ·证据引入 | 第107页 |
| ·消息传递策略 | 第107-110页 |
| ·高斯贝叶斯网络信息参数联合树算法 | 第110-115页 |
| ·势函数 | 第111-112页 |
| ·证据引入 | 第112-113页 |
| ·势函数运算 | 第113-114页 |
| ·算例 | 第114-115页 |
| ·高斯贝叶斯网络矩参数懒惰推理算法设计 | 第115-135页 |
| ·研究动机 | 第115页 |
| ·矩参数的推理特点 | 第115-118页 |
| ·利用有向图信息 | 第118-122页 |
| ·联合树相关操作 | 第122-124页 |
| ·懒惰算法设计 | 第124-133页 |
| ·算法分析 | 第133-135页 |
| ·动态贝叶斯网络递增推理算法设计 | 第135-139页 |
| ·前向界面算法 | 第135-136页 |
| ·递增动态联合树算法设计 | 第136-139页 |
| ·仿真算例 | 第139-140页 |
| ·小结 | 第140-144页 |
| 第六章 协同导航分散式联合树算法设计 | 第144-164页 |
| ·算法框架 | 第144-146页 |
| ·算法实现 | 第146-149页 |
| ·消元顺序的选取 | 第147-148页 |
| ·连接树的建立 | 第148-149页 |
| ·消息传递 | 第149页 |
| ·算法性能分析 | 第149-156页 |
| ·计算复杂度分析 | 第150-153页 |
| ·通信复杂度分析 | 第153-155页 |
| ·工作负载的均衡 | 第155页 |
| ·比较：前向界面算法 | 第155-156页 |
| ·比较：DKF 与 DJT(M) | 第156-159页 |
| ·比较：DAIF 与 DJT(I) | 第159-161页 |
| ·矩阵分解与消元 | 第159-160页 |
| ·复杂度比较 | 第160-161页 |
| ·综合分析 | 第161-162页 |
| ·小结 | 第162-164页 |
| 第七章 总结与展望 | 第164-168页 |
| ·论文工作总结 | 第164-166页 |
| ·进一步工作展望 | 第166-168页 |
| 致谢 | 第168-170页 |
| 参考文献 | 第170-180页 |
| 作者在学期间取得的学术成果 | 第180-182页 |
| 附录A 高斯分布的矩参数和信息参数表达及概率推演 | 第182-188页 |
| A.1 高斯分布的矩参数和信息参数 | 第182-183页 |
| A.2 边缘分布 | 第183-184页 |
| A.3 条件分布 | 第184页 |
| A.4 联合分布 | 第184-185页 |
| A.5 观测融合 | 第185-188页 |
| 附录B Cholesky分解算法 | 第188-190页 |
| B.1 向上看 Cholesky 分解算法 | 第188页 |
| B.2 向左看 Cholesky 分解算法 | 第188-189页 |
| B.3 向右看 Cholesky 分解算法 | 第189-190页 |
| 附录C 图论基本概念及最小生成树算法 | 第190-191页 |
| C.1 一些图论的概念 | 第190-191页 |
| C.2 最小生成树算法 | 第191页 |
