| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 多源信息融合理论 | 第12-14页 |
| 1.2.2 量测不确定理论 | 第14-18页 |
| 1.3 论文研究内容和结构安排 | 第18-20页 |
| 2 基础知识 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 多传感器加权融合方法 | 第20-27页 |
| 2.2.1 传感器精度加权融合 | 第20-22页 |
| 2.2.2 集中式加权融合 | 第22-24页 |
| 2.2.3 分布式加权融合 | 第24-26页 |
| 2.2.4 一致性加权融合 | 第26-27页 |
| 2.3 典型滤波器的设计与实现 | 第27-31页 |
| 2.3.1 卡尔曼滤波 | 第27-28页 |
| 2.3.2 容积卡尔曼滤波 | 第28-30页 |
| 2.3.3 卡尔曼一致滤波 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于多传感器量测的自举采样分布式估计算法 | 第32-40页 |
| 3.1 引言 | 第32页 |
| 3.2 多传感器量测自举分布式卡尔曼滤波算法 | 第32-37页 |
| 3.2.1 自举量测生成 | 第32-33页 |
| 3.2.2 选择性采样策略 | 第33-35页 |
| 3.2.3 局部估计值融合 | 第35-36页 |
| 3.2.4 算法实现步骤 | 第36-37页 |
| 3.3 仿真实验与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于容积卡尔曼滤波的一致融合算法 | 第40-50页 |
| 4.1 引言 | 第40-41页 |
| 4.2 容积卡尔曼一致滤波 | 第41-43页 |
| 4.3 仿真实验与分析 | 第43-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 不完全量测下的量测重构分布式估计算法 | 第50-60页 |
| 5.1 引言 | 第50页 |
| 5.2 不完全量测卡尔曼滤波 | 第50-52页 |
| 5.3 不完全量测下的量测重构分布式卡尔曼滤波算法 | 第52-55页 |
| 5.3.1 量测重构方法 | 第52-54页 |
| 5.3.2 算法实现步骤 | 第54-55页 |
| 5.4 仿真实验与分析 | 第55-58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间的科研成果 | 第70-71页 |