| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-12页 |
| 第1章 绪论 | 第12-30页 |
| ·引言 | 第12-13页 |
| ·信号估计 | 第13-16页 |
| ·一维与二维FIR滤波器设计 | 第16-21页 |
| ·人工神经网络 | 第21-27页 |
| ·本文的主要研究内容 | 第27-29页 |
| ·本文的结构 | 第29-30页 |
| 第2章 面向公路约束下机动车辆状态估计的带反馈的分布式估计器 | 第30-46页 |
| ·引言 | 第30-32页 |
| ·里程-侧向距公路模型 | 第32-34页 |
| ·直线型路段 | 第32-33页 |
| ·弧形路段 | 第33-34页 |
| ·任意形状路段 | 第34页 |
| ·基于1D公路模型的里程估计器 | 第34-36页 |
| ·运动模型 | 第35页 |
| ·观测模型 | 第35-36页 |
| ·基于里程-侧向距公路模型的带反馈的分布式估计器 | 第36-40页 |
| ·侧向距估计器 | 第37页 |
| ·基于雷达的里程与侧向距估计器 | 第37-40页 |
| ·侧向距估计融合 | 第40页 |
| ·仿真实例 | 第40-44页 |
| ·本章小结 | 第44-46页 |
| 第3章 面向目标状态信号估计的自适应运动模型滤波器 | 第46-60页 |
| ·引言 | 第46-47页 |
| ·交互作用多模型结构及算法 | 第47-49页 |
| ·目标自适应运动模型 | 第49-55页 |
| ·自适应运动模型滤波器 | 第55-57页 |
| ·仿真实例 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 基于神经网络的多传感器信号中心式估计融合 | 第60-80页 |
| ·引言 | 第60-61页 |
| ·基本概念 | 第61-66页 |
| ·目标运动基本模型 | 第61-64页 |
| ·估计融合 | 第64-66页 |
| ·均方根(RMS)误差 | 第66页 |
| ·系统状态模型与观测模型 | 第66-67页 |
| ·基于神经网络多传感器信号中心式估计融合 | 第67-75页 |
| ·仿真实例 | 第75-78页 |
| ·本章小结 | 第78-80页 |
| 第5章 基于神经网络累积数据滤波器的信号分布式估计融合 | 第80-96页 |
| ·引言 | 第80页 |
| ·神经网络累积数据滤波器 | 第80-88页 |
| ·系统状态模型与观测模型 | 第80-82页 |
| ·神经网络累积数据滤波器结构及算法 | 第82-88页 |
| ·信号分布式估计融合 | 第88-92页 |
| ·仿真实例 | 第92-95页 |
| ·本章小结 | 第95-96页 |
| 第6章 基于神经网络线性相位Ⅲ型一维多带阻FIR滤波器设计 | 第96-110页 |
| ·引言 | 第96页 |
| ·一维FIR滤波器基本概念 | 第96-102页 |
| ·基于神经网络线性相位Ⅲ型一维多带阻FIR滤波器设计 | 第102-105页 |
| ·仿真实例 | 第105-107页 |
| ·本章小结 | 第107-110页 |
| 第7章 神经网络设计线型相位Ⅲ型二维带通FIR滤波器研究 | 第110-126页 |
| ·引言 | 第110-111页 |
| ·二维FIR滤波器基本概念 | 第111-114页 |
| ·基于复合正弦基神经网络设计线性相位Ⅲ型带通二维FIR滤波器 | 第114-118页 |
| ·复合正弦基神经网络设计线性相位Ⅲ型二维FIR滤波器的收敛性及收敛定理 | 第118-121页 |
| ·仿真实例 | 第121-124页 |
| ·本章小结 | 第124-126页 |
| 第8章 基于复合余弦基神经网络的图像去噪滤波器 | 第126-142页 |
| ·引言 | 第126-127页 |
| ·图像滤波 | 第127-129页 |
| ·基于复合余弦基神经网络的图像去噪滤波器设计 | 第129-133页 |
| ·复合余弦基神经网络设计图像去噪滤波器的收敛性及收敛定理 | 第133-136页 |
| ·仿真实例 | 第136-139页 |
| ·本章小结 | 第139-142页 |
| 第9章 结论与展望 | 第142-144页 |
| 参考文献 | 第144-158页 |
| 攻读博士学位期间主要科研成果 | 第158-160页 |
| 致谢 | 第160-162页 |
| 个人简历 | 第162页 |
