| 第1章 绪论 | 第1-21页 |
| ·逆问题背景及其分类 | 第7-8页 |
| ·完全重构逆问题 | 第8-14页 |
| ·多传感器数据融合技术 | 第14-18页 |
| ·多尺度估计理论 | 第18-19页 |
| ·论文主要贡献 | 第19-20页 |
| ·论文结构安排 | 第20页 |
| 本章小结 | 第20-21页 |
| 第2章 基础知识 | 第21-37页 |
| ·逆问题观测模型 | 第21-22页 |
| ·逆问题统计求解基础 | 第22-24页 |
| ·多尺度信号处理基础 | 第24-31页 |
| ·连续小波变换 | 第25-27页 |
| ·离散小波变换 | 第27-29页 |
| ·多尺度先验模型 | 第29-31页 |
| ·状态估计理论基础 | 第31-36页 |
| ·离散系统卡尔曼滤波问题分类 | 第32-33页 |
| ·离散系统卡尔曼最优预测基本方程 | 第33-35页 |
| ·离散系统Kalman最优滤波基本方程 | 第35-36页 |
| 本章小结 | 第36-37页 |
| 第3章 分布式数据融合 | 第37-56页 |
| ·多传感器数据融合效果分析 | 第38-46页 |
| ·引言 | 第38-39页 |
| ·系统描述 | 第39页 |
| ·两个传感器的融合 | 第39-41页 |
| ·推广到任意多个传感器的情况 | 第41-44页 |
| ·仿真实验 | 第44-46页 |
| ·多传感器次优KALMAN滤波器及融合效果评价 | 第46-55页 |
| ·系统描述 | 第47-48页 |
| ·多传感器最优融合估计 | 第48-50页 |
| ·多传感器次优Kalman滤波器 | 第50-51页 |
| ·相对误差协方差矩阵 | 第51-52页 |
| ·算法所需的计算量分析 | 第52页 |
| ·仿真实验 | 第52-55页 |
| 本章小结 | 第55-56页 |
| 第4章 线性逆问题求解的多尺度降阶模型 | 第56-69页 |
| ·线性逆问题的统计求解方法 | 第56-62页 |
| ·引言 | 第56-57页 |
| ·观测系统描述 | 第57-58页 |
| ·信号x的多尺度分解 | 第58-59页 |
| ·观测系统的多尺度变换 | 第59-60页 |
| ·多尺度最大后验随机逆算法 | 第60-62页 |
| ·求解线性逆问题的多尺度降阶模型 | 第62-68页 |
| ·基于相对误差协方差矩阵的降阶模型 | 第63-64页 |
| ·算法所需的计算量分析 | 第64-65页 |
| ·仿真实验 | 第65-68页 |
| 本章小结 | 第68-69页 |
| 第5章 多源观测逆问题的多尺度分布式求解算法 | 第69-83页 |
| ·多源观测逆问题的多尺度分布式分层求解算法 | 第70-82页 |
| ·目标信号x和观测数据z_j的多尺度变换 | 第70页 |
| ·目标信号的小波系数和最粗尺度系数基于各传感器的局部估计 | 第70-71页 |
| ·目标信号的小波系数和最粗尺度系数的局部估计值的分层融合 | 第71-73页 |
| ·目标信号基于全局信息的融合估计 | 第73-74页 |
| ·融合效果分析 | 第74-75页 |
| ·算法所需的计算量分析 | 第75页 |
| ·仿真实验 | 第75-82页 |
| 本章小结 | 第82-83页 |
| 结论和展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 攻读硕士学位期间发表与完成论文情况 | 第91-92页 |
| 攻读硕士学位期间主要参加项目 | 第92页 |
| 攻读硕士学位期间获奖情况 | 第92页 |
| 攻读硕士学位期间参加对外交流情况 | 第92页 |