| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 符号表 | 第10-14页 |
| 第一章 绪论 | 第14-18页 |
| 第二章 传感器噪声相关时最优的卡尔曼滤波融合 | 第18-30页 |
| ·引言 | 第18-19页 |
| ·问题描述 | 第19-22页 |
| ·无反馈的相关噪声分布式的卡尔曼滤波 | 第22-23页 |
| ·有反馈的相关噪声卡尔曼滤波融合的最优性 | 第23-27页 |
| ·有反馈的相关噪声滤波融合的整体最优性 | 第24-25页 |
| ·局部估计误差 | 第25-26页 |
| ·有反馈的优点 | 第26-27页 |
| ·小结 | 第27页 |
| ·附录 | 第27-30页 |
| 第三章 传感器数据估计融合的最优维数压缩 | 第30-48页 |
| ·引言 | 第30-31页 |
| ·问题描述 | 第31-33页 |
| ·预备知识 | 第33-35页 |
| ·单个传感器情况下的解析解 | 第35-37页 |
| ·多个传感器的观测不相关时的最优解 | 第37-39页 |
| ·多个传感器的观测相关时对最优解的搜索 | 第39-42页 |
| ·最优解的存在性 | 第39-40页 |
| ·其他传感器的压缩矩阵给定时某个传感器最优压缩矩阵求解 | 第40-42页 |
| ·数值例子 | 第42-46页 |
| ·小结 | 第46-48页 |
| 第四章 关于串联的两个传感器二元判决系统通讯方向的性能分析 | 第48-70页 |
| ·引言 | 第48-49页 |
| ·问题描述 | 第49-52页 |
| ·系统模型 | 第49-50页 |
| ·第二个传感器的贝叶斯判决区域 | 第50-51页 |
| ·第一个传感器(融合中心)的贝叶斯判决区域 | 第51-52页 |
| ·贝叶斯损失函数 | 第52页 |
| ·主要定理 | 第52-60页 |
| ·数值例子 | 第60-63页 |
| ·小结 | 第63页 |
| ·附录A | 第63-65页 |
| ·附录B | 第65-70页 |
| 第五章 在Fisher信息矩阵奇异时的最小方差有偏估计 | 第70-90页 |
| ·引言 | 第70-71页 |
| ·有偏的Cramér-Rao界和有偏的梯度矩阵 | 第71-73页 |
| ·在平均的偏差限制下的统一的Cramér-Rao下界 | 第73-78页 |
| ·平均的偏差限制为平凡的情况 | 第75-76页 |
| ·平均的偏差限制为非平凡的情况 | 第76-78页 |
| ·在最坏情形的偏差限制下的统一的Cramér-Rao下界 | 第78-84页 |
| ·当S 和J 可以联合对角化时的统一的Cramér-Rao下界 | 第78-82页 |
| ·当S是任意一个非负矩阵时的统一的Cramér-Rao下界 | 第82-84页 |
| ·当Fisher信息矩阵奇异时线性高斯模型的最优估计 | 第84-85页 |
| ·小结 | 第85页 |
| ·附录 | 第85-90页 |
| 第六章 总结展望 | 第90-92页 |
| 参考文献 | 第92-101页 |
| 作者攻读博士学位期间的工作目录 | 第101-104页 |
| 致谢 | 第104页 |
