第1章 绪论 | 第1-13页 |
1.1 数据融合系统概述 | 第8-10页 |
1.1.1 数据融合的概念 | 第8-9页 |
1.1.2 数据融合的处理模型 | 第9-10页 |
1.1.3 数据融合的基本方法 | 第10页 |
1.2 数据融合的关联部分 | 第10-12页 |
1.2.1 数据融合中的航迹关联 | 第10-11页 |
1.2.2 数据融合中的属性关联 | 第11-12页 |
1.3 论文主要完成的工作 | 第12-13页 |
第2章 多目标多传感器航迹关联 | 第13-29页 |
2.1 航迹关联分类及定义 | 第13-16页 |
2.1.1 集中式航迹关联 | 第13-14页 |
2.1.2 分布式航迹关联 | 第14页 |
2.1.3 混合式航迹关联 | 第14-15页 |
2.1.4 多级式航迹关联 | 第15-16页 |
2.2 最近邻航迹关联 | 第16-17页 |
2.3 多传感器联合概率数据关联 | 第17-22页 |
2.3.1 联合事件的生成 | 第17-18页 |
2.3.2 联合概率的计算 | 第18页 |
2.3.3 多传感器联合概率数据互联(MSJPDA) | 第18-21页 |
2.3.4 MSJPDA算法复杂度分析 | 第21-22页 |
2.4 分布式航迹关联 | 第22-28页 |
2.4.1 修正K近邻域法 | 第22-25页 |
2.4.2 模糊双门限法 | 第25-28页 |
2.5 航迹关联的总结与发展方向 | 第28-29页 |
第3章 近似多传感器联合概率航迹关联融合 | 第29-43页 |
3.1 航迹关联融合的步骤 | 第29-30页 |
3.2 传感器呈报数据的预处理 | 第30-32页 |
3.2.1 传感器呈报数据的格式分析 | 第30-31页 |
3.2.2 坐标变换 | 第31-32页 |
3.3 时间融合和空间融合 | 第32-36页 |
3.3.1 时间融合 | 第32-34页 |
3.3.2 空间融合 | 第34-36页 |
3.4 近似联合概率航迹关联算法 | 第36-39页 |
3.4.1 完全联合概率数据关联算法的复杂度分析 | 第36-37页 |
3.4.2 近似联合概率航迹概率算法 | 第37-39页 |
3.5 卡尔曼滤波算法 | 第39-43页 |
3.5.1 目标状态方程与测量方程 | 第39页 |
3.5.2 卡尔曼滤波算法 | 第39-41页 |
3.5.3 卡尔曼滤波算法的推广 | 第41-43页 |
第4章 属性关联算法研究 | 第43-57页 |
4.1 属性关联在数据融合中的位置 | 第43-44页 |
4.2 红外方位数据与航迹数据的关联 | 第44-46页 |
4.2.1 红外方位数据的获取 | 第44-45页 |
4.2.2 红外方位数据与雷达数据的关联融合 | 第45-46页 |
4.2.3 引入红外方位信息关联融合的优点 | 第46页 |
4.3 ESM数据属性关联算法 | 第46-55页 |
4.3.1 属性关联算法的设计思想 | 第46-47页 |
4.3.2 多因素综合评判属性关联算法设计 | 第47-49页 |
4.3.3 属性关联算法的程序流程 | 第49-51页 |
4.3.4 关联统计算法 | 第51-55页 |
4.3.5 属性参数的求精 | 第55页 |
4.4 属性信息与位置信息的综合应用 | 第55-57页 |
4.4.1 参数综合应用的优点 | 第55-56页 |
4.4.2 属性—位置综合平台检验 | 第56-57页 |
第5章 仿真结果分析 | 第57-69页 |
5.1 引入红外传感器前后仿真结果的比较 | 第57-59页 |
5.1.1 仿真条件设置 | 第57页 |
5.1.2 仿真结果 | 第57-59页 |
5.1.3 仿真结果分析 | 第59页 |
5.2 航迹关联部分仿真结果分析 | 第59-66页 |
5.2.1 最近邻法和近似联合概率法的理论比较 | 第59-60页 |
5.2.2 仿真条件设置 | 第60-62页 |
5.2.3 最近邻法和近似联合概率法的仿真结果比较 | 第62-65页 |
5.2.4 仿真结果分析 | 第65-66页 |
5.3 属性关联部分仿真结果分析 | 第66-68页 |
5.3.1 仿真条件设置 | 第66页 |
5.3.2 仿真结果 | 第66-67页 |
5.3.3 仿真结果分析 | 第67-68页 |
5.4 小结 | 第68-69页 |
结束语 | 第69-70页 |
致谢 | 第70-71页 |
参考文献 | 第71-74页 |
在读期间的研究成果 | 第74-75页 |
附录A | 第75-80页 |
附录B | 第80-81页 |
附录C | 第81页 |