首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--一般性问题论文--设计、性能分析与综合论文

多传感器数据融合及其在机动目标状态估计中的应用研究

摘要第1-4页
Abstract第4-9页
第一章 绪论第9-16页
   ·引言第9-11页
   ·选题意义第11-14页
   ·研究背景第14页
   ·本文主要内容和工作安排第14-15页
   ·本章小结第15-16页
第二章 数据融合技术概述第16-23页
   ·数据融合基本原理第16-17页
   ·数据融合的定义第17页
   ·数据融合的研究内容第17-18页
   ·数据融合系统的基本框架第18页
   ·数据融合系统的结构模型第18-20页
   ·多传感器数据融合的优点第20页
   ·数据融合算法的分类第20-22页
   ·本章小结第22-23页
第三章 机动目标状态估计理论概述第23-34页
   ·状态估计的主要方法第23-26页
     ·最小二乘估计第23-24页
     ·加权最小二乘估计第24-25页
     ·最小方差估计第25页
     ·线性最小方差估计第25-26页
     ·基于参数估计的方法第26页
   ·单机动目标跟踪的基本原理第26-27页
   ·机动目标的常用模型第27-31页
     ·CV 与CA 模型第27页
     ·一阶和二阶时间相关模型第27-29页
     ·半马尔可夫模型第29-30页
     ·Noval 统计模型第30页
     ·“当前”统计模型第30-31页
     ·Jerk 模型第31页
   ·Kalman 滤波算法第31-33页
     ·离散型Kalman 滤波算法第32-33页
     ·离散型Kalman 滤波算法的优点第33页
   ·本章小结第33-34页
第四章 基于“当前”统计模型修正的自适应滤波算法第34-42页
   ·引言第34-35页
   ·基于“当前”统计的自适应滤波算法第35-36页
     ·离散型“当前”统计模型第35页
     ·算法描述第35-36页
   ·基于“当前”统计修正的自适应滤波算法第36-38页
     ·“当前”统计模型的修正原理第36-37页
     ·算法描述第37-38页
   ·仿真与结果分析第38-41页
   ·本章小结第41-42页
第五章 量测方差自适应的多传感器融合算法第42-52页
   ·引言第42-43页
   ·多传感器离散随机动态数学模型的建立第43页
   ·局部估计Kalman 滤波算法第43-44页
   ·动态加权加权因子的确定第44-45页
   ·量测方差时空综合分析的估计算法第45-47页
     ·空间分析第45-46页
     ·时间分析第46页
     ·时空综合分析第46-47页
   ·算法描述第47-48页
   ·仿真与结果分析第48-51页
   ·本章小结第51-52页
第六章 基于 Jerk 模型的多传感器数据融合算法第52-60页
   ·引言第52页
   ·系统 Jerk 模型的建立第52-53页
   ·强跟踪滤波算法第53-54页
   ·系统量测方差自学习修正算法第54-56页
   ·算法描述第56-57页
   ·仿真与结果分析第57-59页
   ·本章小结第59-60页
第七章 基于模糊支持度的多传感器加权融合算法第60-72页
   ·引言第60-61页
   ·一致性数据融合方法概述第61-62页
   ·基于静态模糊支持度的多传感器加权融合算法第62-66页
     ·静态模糊支持度矩阵的建立第62-64页
     ·仿真实例与分析第64-66页
   ·基于动态模糊支持度的多传感器加权融合算法第66-71页
     ·量纲一致化第66-68页
     ·动态模糊支持度矩阵的建立第68-69页
     ·仿真与结果分析第69-71页
   ·本章小结第71-72页
总结与展望第72-75页
 1、总结第72-73页
 2、展望第73-75页
致谢第75-76页
参考文献第76-82页
攻读硕士学位期间发表与完成论文情况第82-83页
攻读硕士学位期间参与的科研项目第83页
攻读硕士学位期间获奖情况第83页

论文共83页,点击 下载论文
上一篇:从“超级女声”看媒介事件的成功构建
下一篇:基于SIP延迟控制及状态UA的研究与设计