| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 研究工作的背景与意义 | 第13-15页 |
| 1.2 国内外研究历史与现状 | 第15-21页 |
| 1.2.1 标号随机集单传感器滤波算法 | 第15-18页 |
| 1.2.2 标号随机集分布式融合算法 | 第18-21页 |
| 1.3 本论文的结构安排 | 第21-24页 |
| 第二章 基于标号随机集的传感器网络分布式融合问题建模 | 第24-36页 |
| 2.1 标号随机集统计特性描述工具 | 第24-27页 |
| 2.2 基于FISST贝叶斯估计的单节点标号多目标滤波建模 | 第27-32页 |
| 2.2.1 多目标转移模型 | 第28页 |
| 2.2.2 广义量测模型 | 第28-31页 |
| 2.2.3 基于标准量测模型的标号滤波算法局限性分析 | 第31-32页 |
| 2.3 基于广义协方差交集准则的标号后验分布融合建模 | 第32-34页 |
| 2.3.1 广义协方差交集分布式融合准则 | 第32-33页 |
| 2.3.2 标号多目标滤波标准GCI融合算法局限性分析 | 第33-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 基于广义量测模型的单节点标号多目标滤波器设计 | 第36-69页 |
| 3.1 基于广义量测模型的最优标号多目标滤波器 | 第36-43页 |
| 3.1.2 LMO-GOM滤波器迭代方程 | 第36-40页 |
| 3.1.3 基于SMC方法的LMO-GOM滤波器数值计算方法 | 第40-43页 |
| 3.1.4 讨论与分析 | 第43页 |
| 3.2 基于“最佳”LMB近似的次优标号多目标滤波器 | 第43-52页 |
| 3.2.1 “最佳”LMB近似方法 | 第44-48页 |
| 3.2.2 LMB-GOM滤波器的迭代方程 | 第48-50页 |
| 3.2.3 讨论与分析 | 第50页 |
| 3.2.4 基于SMC方法的LMB-GOM滤波器数值计算方法 | 第50-52页 |
| 3.3 基于分组滤波的次优标号多目标滤波器 | 第52-58页 |
| 3.3.1 多目标似然函数分解模型 | 第53-55页 |
| 3.3.2 并行分组滤波过程 | 第55-57页 |
| 3.3.3 分组准则设计 | 第57页 |
| 3.3.4 讨论与分析 | 第57-58页 |
| 3.4 计算复杂度分析 | 第58-60页 |
| 3.5 典型场景性能评估 | 第60-68页 |
| 3.5.1 像素化TBD模型实验 | 第61-64页 |
| 3.5.2 声源幅度模型实验 | 第64-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第四章 标号滤波器GCI融合“标号不一致”问题建模与分析 | 第69-83页 |
| 4.1 典型标号随机集分布的标准GCI融合分析 | 第69-70页 |
| 4.2 “标号不一致”现象产生机理分析 | 第70-73页 |
| 4.3 GCI融合“标号不一致”敏感问题建模 | 第73-81页 |
| 4.3.1 “标号不一致”度量指标建模 | 第74-77页 |
| 4.3.2 “标号不一致”与GCI融合性能关系建模 | 第77-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第五章 稳健标号滤波器分布式融合算法 | 第83-104页 |
| 5.1 基于免标号的稳健GCI融合算法 | 第83-84页 |
| 5.2 GLMB分布族稳健GCI融合算法 | 第84-92页 |
| 5.2.1 GLMB分布族边缘非标号分布计算方法 | 第84-87页 |
| 5.2.2 GMB分布的GCI融合算法 | 第87-90页 |
| 5.2.3 GLMB形式融合后验分布重构方法 | 第90-92页 |
| 5.3 LF-GCI-GLMB融合算法实现和计算复杂度分析 | 第92-96页 |
| 5.4 典型场景性能评估 | 第96-102页 |
| 5.4.1 鲁棒性验证场景 | 第97-99页 |
| 5.4.2 优效性评估场景 | 第99-102页 |
| 5.5 本章小结 | 第102-104页 |
| 第六章 高效标号滤波器分布式融合算法 | 第104-126页 |
| 6.1 基于标号匹配的高效GCI融合算法 | 第104-109页 |
| 6.1.1 最优标号匹配问题建模 | 第104-108页 |
| 6.1.2 基于标号匹配的GCI融合方法 | 第108-109页 |
| 6.2 标号匹配问题快速求解 | 第109-116页 |
| 6.2.1 最优分配问题的降维方法 | 第109-112页 |
| 6.2.2 LMB分布的线性分配问题建模 | 第112-114页 |
| 6.2.3 任意LMO分布分配问题的近似线性化方法 | 第114-116页 |
| 6.3 LM-GCI-LMB融合算法实现和计算高效性分析 | 第116-118页 |
| 6.4 典型场景性能评估 | 第118-125页 |
| 6.4.1 鲁棒性验证场景 | 第119-122页 |
| 6.4.2 高效性验证场景 | 第122-125页 |
| 6.5 本章小结 | 第125-126页 |
| 第七章 全文总结与展望 | 第126-129页 |
| 7.1 全文总结 | 第126-127页 |
| 7.2 后续工作展望 | 第127-129页 |
| 致谢 | 第129-130页 |
| 参考文献 | 第130-139页 |
| 攻读博士学位期间取得的成果 | 第139-142页 |
