多传感器信息融合技术研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·多传感器信息融合技术概述 | 第9页 |
| ·多传感器信息融合技术的研究背景 | 第9-10页 |
| ·研究目的及意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文主要工作及内容安排 | 第12-13页 |
| 第2章 多传感器信息融合中的应用 | 第13-19页 |
| ·引言 | 第13页 |
| ·信息融合的功能模型 | 第13-14页 |
| ·分布式多传感器信息融合 | 第14页 |
| ·中心式多传感器信息融合 | 第14页 |
| ·信息融合的层次化描述 | 第14-17页 |
| ·数据层融合 | 第15-16页 |
| ·特征层融合 | 第16-17页 |
| ·决策层融合 | 第17页 |
| ·信息融合的数学模型描述 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第3章 人工神经网络在信息融合目标识别中的应用 | 第19-33页 |
| ·引言 | 第19页 |
| ·人工神经元的数学模型 | 第19-23页 |
| ·人工神经网络的结构 | 第21-22页 |
| ·人工神经网络的学习 | 第22-23页 |
| ·前馈型人工神经网络的一般方法 | 第23-29页 |
| ·BP神经网络原理 | 第23-24页 |
| ·BP神经网络的函数逼近 | 第24-25页 |
| ·正规化径向基神经网络 | 第25-27页 |
| ·正规化径向基神经网函数逼近 | 第27-29页 |
| ·BP神经网络改进算法仿真 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第4章 卡尔曼滤波在信息融合中的应用 | 第33-47页 |
| ·信息融合中的状态估计方法 | 第33-36页 |
| ·最小二乘估计 | 第33-35页 |
| ·最小方差估计 | 第35-36页 |
| ·卡尔曼滤波技术 | 第36-42页 |
| ·离散卡尔曼滤波 | 第36-39页 |
| ·扩展卡尔曼滤波 | 第39-42页 |
| ·离散卡尔曼滤波算法的改进 | 第42-44页 |
| ·仿真实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 D-S证据理论在信息融合中的应用 | 第47-59页 |
| ·引言 | 第47页 |
| ·D-S证据理论的基本概念 | 第47-48页 |
| ·D-S证据理论存在的问题 | 第48-49页 |
| ·常规冲突性问题 | 第48-49页 |
| ·一票否决问题 | 第49页 |
| ·D-S证据理论冲突问题的研究 | 第49-57页 |
| ·D-S证据之间冲突分析 | 第50-51页 |
| ·证据间的Jousselme距离 | 第51-52页 |
| ·证据冲突的改进 | 第52-53页 |
| ·证据冲突的改进算法的仿真 | 第53-55页 |
| ·证据冲突的综合分析 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
