| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 数据关联与融合国内外研究历史与现状 | 第9-11页 |
| 1.2.1 国外研究历史与现状 | 第9-10页 |
| 1.2.2 国内研究历史与现状 | 第10-11页 |
| 1.3 本文主要研究内容及创新点 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 多源数据融合理论及关键技术 | 第13-23页 |
| 2.1 数据融合的基本原理及优势 | 第13-14页 |
| 2.1.1 数据融合的基本原理 | 第13页 |
| 2.1.2 数据融合的优势 | 第13-14页 |
| 2.2 多源数据融合的模型、结构及层次 | 第14-18页 |
| 2.2.1 功能模型 | 第14-15页 |
| 2.2.2 处理结构 | 第15-16页 |
| 2.2.3 融合层次 | 第16-18页 |
| 2.3 多源数据融合面临的问题 | 第18-19页 |
| 2.4 多源数据关联技术方面 | 第19-20页 |
| 2.5 多源数据融合技术方面 | 第20-21页 |
| 2.6 本章小节 | 第21-23页 |
| 第三章 数据关联算法研究与仿真分析 | 第23-42页 |
| 3.1 数据关联算法理论基础 | 第23-28页 |
| 3.1.1 数据关联特点 | 第23页 |
| 3.1.2 数据关联过程 | 第23-25页 |
| 3.1.3 关联门 | 第25-28页 |
| 3.2 几种数据关联算法 | 第28-35页 |
| 3.2.1 最近邻数据关联（NNDA） | 第28-29页 |
| 3.2.2 概率数据关联算法（PDA） | 第29-31页 |
| 3.2.3 联合概率数据关联算法（JPDA） | 第31-35页 |
| 3.3 实验仿真及结果分析 | 第35-40页 |
| 3.3.1 单目标概率关联算法的仿真分析 | 第35-37页 |
| 3.3.2 单目标最近邻算法与概率关联算法仿真及对比分析 | 第37-40页 |
| 3.3.3 在多目标情况下联合概率关联算法仿真分析 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 两种改进的概率数据关联算法 | 第42-49页 |
| 4.1 基于距离分配权值的改进PDA算法 | 第42-43页 |
| 4.2 基于目标量测的改进PDA算法 | 第43-45页 |
| 4.2.1 问题分析 | 第43页 |
| 4.2.2 改进的PDA算法流程 | 第43-45页 |
| 4.3 仿真实验及结果分析 | 第45-48页 |
| 4.3.1 基于距离分配权值的改进PDA算法仿真分析 | 第45-46页 |
| 4.3.2 基于目标量测的改进PDA算法仿真分析 | 第46-48页 |
| 4.4 本章小节 | 第48-49页 |
| 第五章 基于集对分析联系度的多源数据融合算法 | 第49-60页 |
| 5.1 多源数据融合理论基础及问题的提出 | 第49-52页 |
| 5.1.1 多源数据融合主要步骤与方法分析 | 第49-51页 |
| 5.1.2 多源数据融合问题的提出 | 第51-52页 |
| 5.2 基于集对分析联系度的多源数据融合算法设计 | 第52-55页 |
| 5.2.1 集对分析与联系度 | 第52-53页 |
| 5.2.2 联系矩阵及扩维过程 | 第53-54页 |
| 5.2.3 一致可靠性测度 | 第54-55页 |
| 5.3 基于集对分析联系度的数据融合算法流程 | 第55-56页 |
| 5.4 算法仿真与对比分析 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 主要结论与展望 | 第60-62页 |
| 6.1 工作总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录： 作者在攻读硕士学位期间主要学术成果 | 第67页 |
