| 第一章 绪论 | 第1-18页 |
| 1．1 多传感器数据融合的基本概念和意义 | 第9-11页 |
| 1．2 数据融合理论的发展和研究现状 | 第11-13页 |
| 1．3 数据融合理论研究的基本理论和方法 | 第13-14页 |
| 1．4 本文主要工作 | 第14-18页 |
| 第二章 硬决策融合方法 | 第18-33页 |
| 2．1 分布式多传感器检测 | 第18-19页 |
| 2．2 分布式检测的贝叶斯方法 | 第19-21页 |
| 2．3 分布式检测的最优检测准则 | 第21-22页 |
| 2．4 K/N规则下融合中心检测概率的计算 | 第22-24页 |
| 2．5 硬决策融合研究面临的困难 | 第24-26页 |
| 2．6 硬决策融合的模糊积分方法 | 第26-32页 |
| 2．6．1 模糊测度和模糊积分 | 第27-30页 |
| 2．6．2 硬决策融合的模糊积分方法 | 第30-32页 |
| 本章小结 | 第32-33页 |
| 第三章 分布式CFAR系统优化设计 | 第33-43页 |
| 3．1 恒虚警检测器 | 第33-36页 |
| 3．2 分布式CFAR系统的优化 | 第36-37页 |
| 3．3 牛顿-拉斐森迭代法 | 第37-39页 |
| 3．4 带积累器的CFAR检测系统 | 第39-41页 |
| 3．5 带积累器的CFAR检测系统的优化 | 第41-42页 |
| 本章小结 | 第42-43页 |
| 第四章 分布式检测系统优化设计的混合优化算法 | 第43-65页 |
| 4．1 进化计算方法简介 | 第43-44页 |
| 4．2 遗传算法原理与设计 | 第44-47页 |
| 4．3 进化策略原理与算法设计 | 第47-49页 |
| 4．4 遗传策略在分布式CFAR系统优化设计中的应用 | 第49-54页 |
| 4．4．1 SUMT外点法 | 第49-51页 |
| 4．4．2 进化策略算法的设计 | 第51-54页 |
| 4．5 算法实验一 | 第54-59页 |
| 4．6 Powell方向加速法 | 第59-60页 |
| 4．7 混合优化算法 | 第60-62页 |
| 4．8 算法实验二 | 第62-64页 |
| 本章小结 | 第64-65页 |
| 第五章 分布式CFAR系统性能分析 | 第65-72页 |
| 5．1 最优融合规则的确定 | 第65-67页 |
| 5．2 融合增益 | 第67-69页 |
| 5．3 局部信噪比对最优融合规则的影响 | 第69-71页 |
| 本章小结 | 第71-72页 |
| 第六章 决策融合的模糊积分方法 | 第72-85页 |
| 6．1 贝叶斯推理 | 第72-74页 |
| 6．2 Dempster-Shafer证据理论 | 第74-76页 |
| 6．3 模糊逻辑方法 | 第76-77页 |
| 6．4 决策融合的模糊积分方法 | 第77-79页 |
| 6．5 算法实验 | 第79-84页 |
| 本章小结 | 第84-85页 |
| 第七章 确定模糊积分密度的学习算法 | 第85-91页 |
| 7．1 由专家知识确定模糊积分密度 | 第85页 |
| 7．2 确定模糊积分密度的有导师学习方法 | 第85-86页 |
| 7．3 确定模糊积分密度的混合优化算法 | 第86-87页 |
| 7．4 算法实验 | 第87-89页 |
| 本章小结 | 第89-91页 |
| 结束语 | 第91-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-106页 |
| 作者在读期间发表的论文 | 第106-107页 |
| 作者在读期间参加的科研工作 | 第107页 |
| 作者在读期间主笔的技术报告 | 第107页 |