| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第6-14页 |
| ·研究背景及其意义 | 第6-8页 |
| ·基于N-P准则的分布式检测综述 | 第8-13页 |
| ·分布式检测的典型网络结构 | 第8-10页 |
| ·基于N-P准则的分布式检测系统的优化设计 | 第10-13页 |
| ·本文的主要内容及章节安排 | 第13-14页 |
| 第二章 局部判决独立条件下基于N-P准则的分布式检测融合算法 | 第14-31页 |
| ·引言 | 第14-15页 |
| ·基于K-L距离的权值在线学习算法 | 第15-21页 |
| ·基于最陡下降法的权值自学习算法 | 第21-24页 |
| ·实验仿真及性能分析 | 第24-30页 |
| ·基于K-L距离的权值在线学习算法仿真 | 第24-27页 |
| ·基于最陡下降法的权值自学习算法仿真 | 第27-30页 |
| ·小结 | 第30-31页 |
| 第三章 局部判决相关条件下基于N-P准则的分布式检测融合算法 | 第31-45页 |
| ·引言 | 第31页 |
| ·联合概率密度给定时的融合规则的最优设计 | 第31-34页 |
| ·联合概率密度未定时的融合规则的最优设计 | 第34-37页 |
| ·局部判决相关性给定时的优化设计 | 第34-36页 |
| ·局部判决相关性未定时的优化设计 | 第36-37页 |
| ·实验仿真及性能分析 | 第37-44页 |
| ·小结 | 第44-45页 |
| 第四章 结束语 | 第45-46页 |
| 致谢 | 第46-47页 |
| 附录 | 第47-49页 |
| 参考文献 | 第49-52页 |