| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·估计理论概述 | 第9-10页 |
| ·集员估计 | 第10-11页 |
| ·集员估计的概念 | 第10-11页 |
| ·集员估计的研究现状和应用领域 | 第11页 |
| ·人工神经网络 | 第11-13页 |
| ·神经网络概述 | 第11-12页 |
| ·人工神经网络的应用 | 第12-13页 |
| ·论文的主要工作 | 第13-14页 |
| 第二章 椭球集员估计理论 | 第14-27页 |
| ·引言 | 第14-15页 |
| ·最优椭球集员估计算法 | 第15-21页 |
| ·时间更新 | 第15-18页 |
| ·量测更新 | 第18-21页 |
| ·最优扩展椭球集员估计算法 | 第21-24页 |
| ·仿真实验 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于椭球集员估计理论的 BP 神经网络学习算法 | 第27-38页 |
| ·引言 | 第27页 |
| ·BP 神经网络 | 第27-30页 |
| ·基于传统的扩展卡尔曼滤波 BP 神经网络学习算法 | 第30-33页 |
| ·扩展卡尔曼滤波的基本方程 | 第30-32页 |
| ·基于扩展卡尔曼滤波的 BP 神经网络学习算法 | 第32-33页 |
| ·基于椭球集员估计理论的 BP 神经网络学习算法 | 第33-34页 |
| ·仿真实验 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于椭球集员估计理论的 RBF 神经网络学习算法 | 第38-45页 |
| ·RBF 神经网络 | 第38-40页 |
| ·基于椭球集员估计理论的 RBF 神经网络学习算法 | 第40-42页 |
| ·可行性分析 | 第40页 |
| ·基于椭球集员估计理论的 RBF 神经网络学习算法 | 第40-42页 |
| ·仿真实验 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 总结与展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 附录 A（攻读学位期间的发表的论文） | 第52页 |
