| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 序言 | 第7-16页 |
| ·信息融合技术概述 | 第7-10页 |
| ·基于目标状态估计的信息融合技术的研究现状 | 第10-15页 |
| ·论文的结构与主要工作 | 第15-16页 |
| 第二章 多传感器信息融合的相关理论 | 第16-32页 |
| ·信息融合的基本原理 | 第16-17页 |
| ·信息融合的级别 | 第17-19页 |
| ·卡尔曼滤波概述 | 第19-23页 |
| ·粒子滤波原理 | 第23-29页 |
| ·蒙特卡洛采样(Monte Carlo Sampling) | 第25-26页 |
| ·贝叶斯重要性采样(Bayesian Importance Sampling) | 第26-27页 |
| ·顺序的重要性采样(Sequential Importance Sampling) | 第27-28页 |
| ·粒子集的退化和重采样(Resampling) | 第28-29页 |
| ·模糊系统基础 | 第29-32页 |
| 第三章 目标状态估计的测量融合和全分散式状态向量融合方法 | 第32-61页 |
| ·测量融合方法和状态向量融合方法概述 | 第32-33页 |
| ·测量融合方法的理论比较 | 第33-34页 |
| ·基于模糊卡尔曼滤波的信息融合算法 | 第34-40页 |
| ·基于模糊扩展卡尔曼滤波的信息融合算法 | 第40-48页 |
| ·基于无轨迹卡尔曼滤波(UKF)的信息融合算法 | 第48-51页 |
| ·全分散式融合算法 | 第51-57页 |
| ·分散卡尔曼滤波器(Decentralized Kalman filter) | 第52-53页 |
| ·分散节点方程 | 第53-54页 |
| ·同化方程的推导 | 第54-56页 |
| ·通信与同化 | 第56-57页 |
| ·粒子滤波算法的描述 | 第57-58页 |
| ·粒子滤波和卡尔曼滤波的全分散式融合 | 第58-61页 |
| 第四章 仿真试验 | 第61-81页 |
| ·基于模糊卡尔曼滤波融合估计的仿真试验 | 第61-64页 |
| ·基于模糊EKF融合估计的仿真试验 | 第64-70页 |
| ·基于模糊UKF的3D环境信息融合仿真试验 | 第70-72页 |
| ·状态向量全分散式融合仿真试验 | 第72-81页 |
| 第五章 结论与建议 | 第81-82页 |
| 硕士在读期间发表的学术论文 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 西北工业大学学位论文知识产权声明书 | 第88页 |
| 西北工业大学学位论文原创性声明 | 第88页 |
