| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-25页 |
| ·研究背景及意义 | 第10-11页 |
| ·多传感器信息融合简介 | 第11-15页 |
| ·多传感器信息融合的目的、定义以及优势 | 第11页 |
| ·多传感器信息融合的结构模型 | 第11-13页 |
| ·多传感器信息融合的方法研究 | 第13-14页 |
| ·多传感器信息融合研究现状 | 第14-15页 |
| ·传感器网络简介 | 第15-17页 |
| ·传感器网络的基本特征 | 第15-16页 |
| ·网络化对传感器融合系统的影响 | 第16-17页 |
| ·网络化融合估计算法综述 | 第17-22页 |
| ·传感器数据融合算法综述 | 第17-18页 |
| ·无序量测融合算法综述 | 第18-20页 |
| ·带宽约束下的估计算法综述 | 第20-22页 |
| ·当前研究热点、难点以及未来的研究方向 | 第22-23页 |
| ·本文的主要内容及章节安排 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第二章 基于测量值加权求和的多传感器数据融合 | 第25-35页 |
| ·问题描述 | 第26-27页 |
| ·系统介绍 | 第26页 |
| ·问题分析 | 第26-27页 |
| ·算法公式推导 | 第27-29页 |
| ·算法性能分析 | 第29-30页 |
| ·计算机仿真 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于测量值求和与预测补偿的时滞数据融合 | 第35-42页 |
| ·问题描述 | 第36页 |
| ·系统介绍 | 第36页 |
| ·问题分析 | 第36页 |
| ·预测补偿时滞滤波器 | 第36-38页 |
| ·算法性能分析 | 第38-39页 |
| ·计算机仿真 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 多传感器通用时滞Kalman 滤波融合估计 | 第42-56页 |
| ·问题描述 | 第42-43页 |
| ·系统介绍 | 第42-43页 |
| ·问题分析 | 第43页 |
| ·多传感器通用时滞Kalman 滤波融合估计 | 第43-48页 |
| ·多传感器等价转化为单传感器顺序形式 | 第43-44页 |
| ·单传感器顺序形式的测量值求和滤波器 | 第44-46页 |
| ·最优时滞滤波融合估计算法 | 第46-48页 |
| ·算法性能分析 | 第48页 |
| ·计算机仿真 | 第48-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 带宽约束下的传感器网络估计算法 | 第56-69页 |
| ·问题描述 | 第56-57页 |
| ·系统介绍 | 第56页 |
| ·问题分析 | 第56-57页 |
| ·自适应量化策略 | 第57-58页 |
| ·基于强跟踪滤波的量化估计算法(STFQM) | 第58-59页 |
| ·不同量化带宽以及不同量化区间对滤波器的影响 | 第59-60页 |
| ·计算机仿真 | 第60-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·研究总结 | 第69页 |
| ·进一步工作 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 附录 | 第78-79页 |
| 详细摘要 | 第79-84页 |