| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究和发展现状 | 第16-18页 |
| 1.3 论文主要研究工作和章节安排 | 第18-21页 |
| 第二章 多传感器信息融合基本理论 | 第21-35页 |
| 2.1 多传感器信息融合基本原理 | 第21页 |
| 2.2 香农熵推理信息融合原理 | 第21-23页 |
| 2.3 信息融合的信息类别 | 第23-24页 |
| 2.4 信息融合过程 | 第24页 |
| 2.5 信息融合层次 | 第24-27页 |
| 2.5.1 数据层融合 | 第24-26页 |
| 2.5.2 特征层融合 | 第26页 |
| 2.5.3 决策层融合 | 第26-27页 |
| 2.6 信息融合的体系结构 | 第27-30页 |
| 2.6.1 集中式融合结构 | 第27-28页 |
| 2.6.2 分布式融合结构 | 第28-30页 |
| 2.6.3 混合式融合结构 | 第30页 |
| 2.7 信息融合方法 | 第30-33页 |
| 2.7.1 信息融合方法分类 | 第30页 |
| 2.7.2 信息融合常用方法介绍 | 第30-33页 |
| 2.8 本章小结 | 第33-35页 |
| 第三章 基于证据信任因子改进的D-S证据理论 | 第35-49页 |
| 3.1 引言 | 第35页 |
| 3.2 经典D-S证据理论基础知识 | 第35-40页 |
| 3.2.1 基本定义 | 第35-36页 |
| 3.2.2 证据合成规则 | 第36-37页 |
| 3.2.3 判决准则 | 第37页 |
| 3.2.4 证据理论信息融合算例 | 第37-40页 |
| 3.3 D-S证据理论的局限性 | 第40-41页 |
| 3.3.1 0-信任悖论 | 第40页 |
| 3.3.2 1-信任悖论 | 第40-41页 |
| 3.4 D-S证据理论的改进 | 第41-47页 |
| 3.4.1 Yager改进方法 | 第41页 |
| 3.4.2 Murphy改进方法 | 第41页 |
| 3.4.3 孙全改进方法 | 第41-43页 |
| 3.4.4 李弼程改进方法 | 第43页 |
| 3.4.5 基于证据信任因子的改进D-S证据理论 | 第43-46页 |
| 3.4.6 算例验证 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 基于BP神经网络和改进D-S证据理论的目标识别方法 | 第49-59页 |
| 4.1 引言 | 第49-50页 |
| 4.2 BP神经网络基本理论 | 第50-51页 |
| 4.2.1 BP神经网络的结构 | 第50-51页 |
| 4.2.2 BP神经网络算法原理 | 第51页 |
| 4.2.3 BP神经网络算法过程 | 第51页 |
| 4.3 BP神经网络获取基本概率赋值 | 第51-56页 |
| 4.3.1 数据采集和特征提取 | 第51-52页 |
| 4.3.2 神经网络组的构建 | 第52-55页 |
| 4.3.3 基本概率赋值的获取 | 第55-56页 |
| 4.4 目标识别结果及分析 | 第56-58页 |
| 4.4.1 合成结果对比 | 第56-57页 |
| 4.4.2 目标判决准则和判决结果 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于卡尔曼滤波及其改进算法在GPS/INS组合导航系统中的应用研究 | 第59-81页 |
| 5.1 引言 | 第59-60页 |
| 5.2 GPS/INS组合导航系统 | 第60-70页 |
| 5.2.1 全球定位系统 (Global Positioning System，GPS) | 第60-61页 |
| 5.2.2 惯性导航系统 (Inertial Navigation System, INS) | 第61-63页 |
| 5.2.3 GPS/INS组合导航系统 | 第63-64页 |
| 5.2.4 GPS/INS系统的误差模型 | 第64-67页 |
| 5.2.5 GPS/INS组合导航系统模型建立 | 第67-70页 |
| 5.3 卡尔曼滤波理论 | 第70-72页 |
| 5.3.1 线性离散卡尔曼滤波方程 | 第70-71页 |
| 5.3.2 Kalman滤波的发散问题 | 第71-72页 |
| 5.4 改进的滤波算法 | 第72-75页 |
| 5.4.1 Sage-Husa自适应滤波算法 | 第72-73页 |
| 5.4.2 一种改进的滤波算法 | 第73-75页 |
| 5.5 仿真及结果分析 | 第75-79页 |
| 5.5.1 仿真条件 | 第75-76页 |
| 5.5.2 仿真结果及分析 | 第76-79页 |
| 5.6 本章小结 | 第79-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 工作总结 | 第81-82页 |
| 6.2 未来展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
