| 中文摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 绪论 | 第6-21页 |
| 第1章 辨识多传感器动态系统未知噪声方差阵的新方法 | 第21-35页 |
| ·引言 | 第21页 |
| ·多传感器系统噪声方差阵Q_w,Q_(vi)估值器 | 第21-26页 |
| ·在线估计未知噪声方差阵Q_w,Q_(vi)的方法原理 | 第21-25页 |
| ·噪声方差阵Q_w和Q_(vi)估值器 | 第25-26页 |
| ·噪声方差阵估值器的强一致性分析 | 第26-27页 |
| ·仿真例子 | 第27-34页 |
| ·结论 | 第34-35页 |
| 第2章 基于Kalman滤波方法的自校正局部和信息融合Kalman状态估值器 | 第35-225页 |
| ·引言 | 第35页 |
| ·基于Kalman滤波方法的局部稳态最优Kalman状态估值器 | 第35-46页 |
| ·基于Kalman滤波方法的局部稳态最优Kalman滤波 | 第35-39页 |
| ·基于Kalman滤波方法的局部稳态最优Kalman预报器 | 第39-41页 |
| ·基于Kalman滤波方法的局部稳态最优Kalman平滑器 | 第41-46页 |
| ·基于Kalman滤波方法的稳态最优信息融合Kalman估值器 | 第46-48页 |
| ·基于Kalman滤波方法的自校正局部Kalman估值器 | 第48-53页 |
| ·基于Kalman滤波方法的自校正信息融合Kalman估值器 | 第53-55页 |
| ·自校正Kalman估值器的收敛性分析 | 第55-67页 |
| ·局部自校正Kalman估值器的收敛性分析 | 第55-65页 |
| ·自校正信息融合Kalman估值器的收敛性分析 | 第65-67页 |
| ·仿真例子 | 第67-223页 |
| ·仿真例子1 | 第67-122页 |
| ·仿真例子2 | 第122-167页 |
| ·仿真例子3 | 第167-223页 |
| ·结论 | 第223-225页 |
| 第3章 基于Riccati方程的自校正分布式信息融合分量解耦Wiener状态估值器 | 第225-276页 |
| ·引言 | 第225页 |
| ·基于Riccati方程的局部最优及信息融合Wiener状态估值器 | 第225-231页 |
| ·统一的局部最优Wiener状态估值器 | 第225-229页 |
| ·状态分量解耦局部稳态最优Wiener状态估值器 | 第229-230页 |
| ·按对角阵加权(按分量标量加权)最优信息融合分量解耦Wiener状态估值器 | 第230-231页 |
| ·自校正局部及信息融合分量解耦Wiener状态估值器 | 第231-232页 |
| ·自校正局部及信息融合分量解耦Wiener状态估值器的收敛性分析 | 第232-235页 |
| ·仿真例子 | 第235-274页 |
| ·仿真例子1 | 第235-246页 |
| ·仿真例子2 | 第246-257页 |
| ·仿真例子3 | 第257-274页 |
| ·结论 | 第274-276页 |
| 结论 | 第276-277页 |
| 参考文献 | 第277-281页 |
| 致谢 | 第281-282页 |
| 攻读硕士学位期间发表的论文 | 第282-283页 |
