| 第一章 绪论 | 第1-14页 |
| 1．1 选题的意义 | 第8-9页 |
| 1．2 带乘性噪声系统的特点及应用背景 | 第9-10页 |
| 1．2．1 带乘性噪声系统的特点 | 第9-10页 |
| 1．2．2 带乘性噪声系统的应用背景 | 第10页 |
| 1．3 带乘性噪声系统最优估计理论的发展及研究现状 | 第10-12页 |
| 1．4 本文所做的主要工作 | 第12-14页 |
| 第二章 复杂多通道SMN的逆向滤波及单向反褶积算法 | 第14-23页 |
| 2．1 概述 | 第14-15页 |
| 2．2 逆向滤波算法 | 第15-18页 |
| 2．3 单向反褶积算法 | 第18-19页 |
| 2．4 算法流程图 | 第19-22页 |
| 2．5 本章小结 | 第22-23页 |
| 第三章 基于奇异值分解的复杂多通道SMN的逆向滤波及单向反褶积算法 | 第23-30页 |
| 3．1 概述 | 第23页 |
| 3．2 基于奇异值分解的逆向滤波算法 | 第23-25页 |
| 3．3 基于奇异值分解的单向反褶积算法 | 第25-26页 |
| 3．4 算法流程图 | 第26-29页 |
| 3．5 本章小结 | 第29-30页 |
| 第四章 多传感器观测下复杂多通道SMN的逆向滤波及单向反褶积融合算法 | 第30-40页 |
| 4．1 概述 | 第30-32页 |
| 4．2 多传感器观测下集中式最优逆向滤波融合算法 | 第32-33页 |
| 4．3 多传感器观测下分布式最优逆向滤波融合算法 | 第33-35页 |
| 4．4 多传感器观测下最优固定域反褶积融合算法 | 第35页 |
| 4．5 算法流程图 | 第35-39页 |
| 4．6 本章小结 | 第39-40页 |
| 第五章 算法仿真 | 第40-48页 |
| 5．1 复杂多通道SMN的逆向滤波及单向反褶积算法仿真 | 第40-42页 |
| 5．2 基于奇异值分解的复杂多通道SMN的逆向滤波及单向反褶积算法仿真 | 第42-45页 |
| 5．3 多传感器观测下的复杂多通道SMN的逆向滤波及单向反褶积融合算法仿真 | 第45-47页 |
| 5．4 本章小结 | 第47-48页 |
| 第六章 结论 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 作者攻读硕士学位期间所发表的论文 | 第53页 |
