| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题研究背景及意义 | 第11-13页 |
| ·本文主要工作和章节安排 | 第13-15页 |
| ·论文的主要工作 | 第13页 |
| ·论文的章节安排 | 第13-15页 |
| 第二章 车辆防撞系统相关理论 | 第15-27页 |
| ·车辆防撞系统 | 第15-17页 |
| ·车辆防撞系统的基本原理 | 第15页 |
| ·车辆防撞系统的组成部分 | 第15-17页 |
| ·数据融合系统 | 第17-26页 |
| ·数据融合系统的基本原理 | 第17页 |
| ·数据融合系统的模型 | 第17-24页 |
| ·数据融合中的相关技术 | 第24-26页 |
| ·本章小节 | 第26-27页 |
| 第三章 红外传感器和雷达传感器数据的融合及状态估计 | 第27-53页 |
| ·动态系统模型 | 第27-28页 |
| ·序贯重要性抽样算法 | 第28-33页 |
| ·贝叶斯估计 | 第28-30页 |
| ·蒙特卡罗积分的基本原理及在贝叶斯估计中的应用 | 第30-31页 |
| ·序贯重要性抽样的基本原理 | 第31-33页 |
| ·粒子滤波算法 | 第33-38页 |
| ·粒子滤波算法的实现步骤 | 第33-34页 |
| ·粒子滤波的退化现象 | 第34-36页 |
| ·粒子滤波性能仿真 | 第36-38页 |
| ·异类传感器数据预处理技术 | 第38-41页 |
| ·红外传感器和雷达的数据融合过程 | 第41-52页 |
| ·传感器的量测模型 | 第41-42页 |
| ·基于最小二乘法的红外传感器/雷达数据融合 | 第42-46页 |
| ·基于粒子滤波的状态估计 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 预警算法 | 第53-61页 |
| ·已有的预警算法 | 第53-55页 |
| ·改进预警算法 | 第55-57页 |
| ·持续视觉反馈的预警方式 | 第55-56页 |
| ·考虑道路状况的预警算法 | 第56-57页 |
| ·预警算法仿真 | 第57-60页 |
| ·本章小节 | 第60-61页 |
| 第五章 总结及展望 | 第61-63页 |
| ·本文总结 | 第61-62页 |
| ·未来展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |