| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| 1．1 论文研究背景及课题来源 | 第10页 |
| 1．2 数据融合的意义及应用 | 第10-12页 |
| 1．3 数据融合的研究现状 | 第12-13页 |
| 1．4 本课题所做的工作 | 第13-14页 |
| 1．5 本文结构 | 第14-15页 |
| 第2章 数据融合算法与融合结构研究 | 第15-30页 |
| 2．1 数据融合的定义 | 第15-16页 |
| 2．2 数据融合的结构 | 第16-19页 |
| 2．2．1 数据融合结构分类方法 | 第16页 |
| 2．2．2 传感器级融合 | 第16-17页 |
| 2．2．3 中央级融合 | 第17-18页 |
| 2．2．4 混合式融合 | 第18页 |
| 2．2．5 数据层融合 | 第18-19页 |
| 2．2．6 特征层融合 | 第19页 |
| 2．2．7 决策层融合 | 第19页 |
| 2．3 数据融合算法 | 第19-29页 |
| 2．3．1 自适应加权融合算法 | 第20-22页 |
| 2．3．2 曲面拟合融合算法 | 第22-25页 |
| 2．3．3 登普斯特---谢弗证据方法 | 第25-27页 |
| 2．3．4 人工神经网络算法 | 第27页 |
| 2．3．5 表决算法 | 第27-29页 |
| 2．4 总结 | 第29-30页 |
| 第3章 基于神经网络的数据融合 | 第30-38页 |
| 3．1 引言 | 第30页 |
| 3．2 神经网络的基本理论 | 第30-34页 |
| 3．2．1 神经网络的特点 | 第30-31页 |
| 3．2．2 神经元的数学模型 | 第31-32页 |
| 3．2．3 神经网络控制 | 第32-34页 |
| 3．3 采用神经网络的多传感器数据融合架构 | 第34-36页 |
| 3．4 采用神经网络的多传感器数据融合的优越性 | 第36-37页 |
| 3．5 总结 | 第37-38页 |
| 第4章 呼吸机及其融合控制系统理论研究 | 第38-65页 |
| 4．1 引言 | 第38页 |
| 4．2 呼吸机控制系统原理研究 | 第38-48页 |
| 4．2．1 有关呼吸机的国内外相关研究 | 第38-39页 |
| 4．2．2 呼吸机相关理论和方法 | 第39-41页 |
| 4．2．3 呼吸机误差影响因素分析 | 第41-42页 |
| 4．2．4 呼吸系统模型和呼吸机的构造 | 第42-43页 |
| 4．2．5 当前大部分在使用的呼吸机的现状 | 第43-44页 |
| 4．2．6 呼吸机中使用多传感器数据融合的原因 | 第44页 |
| 4．2．7 应用数据融合原理构造呼吸机 | 第44-47页 |
| 4．2．8 应用数据融合原理构造呼吸机架构说明 | 第47-48页 |
| 4．3 呼吸机控制系统中数据融合实例研究 | 第48-64页 |
| 4．3．1 浓度传感器实例 | 第48-50页 |
| 4．3．2 二传感器曲面拟合数据融合算法实例 | 第50-54页 |
| 4．3．3 应用神经网络消除数据融合系统中非线性误差 | 第54-58页 |
| 4．3．4 应用神经网络消除数据融合系统中非目标参量的影响 | 第58-64页 |
| 4．4 总结 | 第64-65页 |
| 第5章 嵌入式RTOS在数据融合系统中应用 | 第65-75页 |
| 5．1 引言 | 第65页 |
| 5．2 嵌入式系统概念 | 第65-66页 |
| 5．3 嵌入式实时操作系统(RTOS)基本概念 | 第66-70页 |
| 5．3．1 实时操作的国内外研究现状 | 第67页 |
| 5．3．2 实时操作系统的基本表现 | 第67-68页 |
| 5．3．3 实时操作系统的基本结构 | 第68-69页 |
| 5．3．4 实时操作系统的任务及任务管理 | 第69-70页 |
| 5．3．5 实时操作系统任务间的同步与通信 | 第70页 |
| 5．4 RTOS在数据融合系统中的应用 | 第70-73页 |
| 5．4．1 融合数据库的实现方法 | 第71-72页 |
| 5．4．2 呼吸机融合控制系统任务设计 | 第72-73页 |
| 5．5 总结 | 第73-75页 |
| 结论与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 附录A(攻读学位期间所发表的学术论文目录) | 第82-83页 |
| 附录B(攻读学位期间参与的工程项目目录) | 第83页 |