| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 多传感器数据融合的研究 | 第16-17页 |
| 1.2.2 多传感器数据融合应用于目标识别的研究 | 第17-18页 |
| 1.2.3 中国学术技术界关于数据融合与目标识别的研究 | 第18-19页 |
| 1.3 主要工作及结构安排 | 第19-24页 |
| 1.3.1 本文的研究来源 | 第19页 |
| 1.3.2 本文的研究内容 | 第19-20页 |
| 1.3.3 主要贡献 | 第20-22页 |
| 1.3.4 结构安排 | 第22-24页 |
| 第二章 目标识别中的机载多传感器数据融合 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 机载多传感器数据融合模型 | 第24-27页 |
| 2.2.1 机载传感器识别数据分析 | 第25-26页 |
| 2.2.2 机载传感器识别数据组成结构 | 第26页 |
| 2.2.3 机载传感器识别数据不确定性分析 | 第26-27页 |
| 2.3 机载多传感器数据融合关键技术 | 第27-33页 |
| 2.3.1 机载多传感器数据融合主要问题 | 第27-28页 |
| 2.3.2 多传感器信息配准关联技术 | 第28-31页 |
| 2.3.3 多传感器数据融合判决 | 第31-33页 |
| 2.4 本章总结 | 第33-34页 |
| 第三章 目标信息配准关联 | 第34-66页 |
| 3.1 面向高机动复杂运动模型的时间配准误差估计 | 第34-44页 |
| 3.1.1 数学模型 | 第34-35页 |
| 3.1.2 误差传递模型 | 第35-39页 |
| 3.1.3 仿真验证数据与结果 | 第39-44页 |
| 3.2 基于机载极坐标系的空间配准方法 | 第44-53页 |
| 3.2.1 数学模型 | 第44-47页 |
| 3.2.2 坐标转换 | 第47-50页 |
| 3.2.3 算法流程 | 第50-51页 |
| 3.2.4 仿真验证数据与结果 | 第51-53页 |
| 3.3 基于身份反馈的协同信息关联方法 | 第53-64页 |
| 3.3.1 数学模型 | 第53-54页 |
| 3.3.2 算法流程 | 第54-61页 |
| 3.3.3 仿真验证数据与结果 | 第61-64页 |
| 3.4 本章小结 | 第64-66页 |
| 第四章 目标数据融合判决 | 第66-87页 |
| 4.1 引言 | 第66页 |
| 4.2 融合判决模型 | 第66-67页 |
| 4.3 基于信任区间的证据距离度量方法 | 第67-71页 |
| 4.3.1 证据间距离度量方法 | 第69-70页 |
| 4.3.2 数值计算 | 第70-71页 |
| 4.4 基于冲突强度度量的分层多周期融合判决方法 | 第71-86页 |
| 4.4.1 分层多周期融合架构 | 第71-76页 |
| 4.4.2 基于证据距离度量的融合方法 | 第76-77页 |
| 4.4.3 目标属性判决规则 | 第77-78页 |
| 4.4.4 仿真验证数据与结果 | 第78-86页 |
| 4.5 本章小结 | 第86-87页 |
| 第五章 面向目标识别的机载多传感器数据融合仿真验证 | 第87-106页 |
| 5.1 仿真框架与仿真想定 | 第87-92页 |
| 5.1.1 仿真框架 | 第87-90页 |
| 5.1.2 仿真想定 | 第90-91页 |
| 5.1.3 运行时序 | 第91-92页 |
| 5.2 配准关联技术仿真评估 | 第92-96页 |
| 5.3 融合判决技术仿真评估 | 第96-100页 |
| 5.4 目标识别综合效能评估 | 第100-104页 |
| 5.5 小结 | 第104-106页 |
| 第六章 全文总结与工作展望 | 第106-110页 |
| 6.1 全文总结 | 第106-109页 |
| 6.2 工作展望 | 第109-110页 |
| 致谢 | 第110-111页 |
| 参考文献 | 第111-123页 |
| 附录A | 第123-125页 |
| 攻读博士学位期间取得的成果 | 第125-126页 |