| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·问题的提出 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·论文研究意义和研究内容 | 第10-11页 |
| ·论文的主要工作安排 | 第11-12页 |
| 本章小结 | 第12-13页 |
| 第2章 信息融合理论概述 | 第13-26页 |
| ·概况 | 第13-16页 |
| ·多源信息融合的定义及融合的级别 | 第16-19页 |
| ·多源信息融合系统实例—雷达信息处理系统 | 第19-22页 |
| ·多源信息融合中的主要问题 | 第22-25页 |
| 本章小结 | 第25-26页 |
| 第3章 多源信息融合技术 | 第26-52页 |
| ·引言 | 第26页 |
| ·随机线性系统 KALMAN 滤波器 | 第26-31页 |
| ·随机线性系统的数学模型 | 第26-27页 |
| ·随机线性离散系统的Kalman 滤波基本方程 | 第27-31页 |
| ·模糊集理论基础 | 第31-40页 |
| ·模糊集合及其运算规则 | 第31-38页 |
| ·隶属度函数及其确定方法 | 第38-40页 |
| ·基于随机集理论的多源信息融合技术 | 第40-51页 |
| ·随机集理论及其在多源信息融合中的发展 | 第40-42页 |
| ·基于随机集机理论的多源信息融合理论框架 | 第42-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 一种基于多源信息空间分解的多传感器数据融合算法 | 第52-61页 |
| ·引言 | 第52页 |
| ·分布式多传感器系统结构 | 第52-53页 |
| ·多源信息统一描述 | 第53-58页 |
| ·目标特征向量的表示 | 第54-55页 |
| ·多源观测信息的向量描述 | 第55-56页 |
| ·多源信息动态系统 | 第56-58页 |
| ·多传感器融合算法 | 第58-60页 |
| ·算法描述 | 第58-59页 |
| ·算法推导 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于随机集理论的多源信息定性观测模型 | 第61-74页 |
| ·引言 | 第61-62页 |
| ·强、弱随机集和多源信息的统一描述 | 第62-66页 |
| ·多源信息的统一表示 | 第63-65页 |
| ·观测空间中的模糊证据 | 第65-66页 |
| ·基于随机集的定性观测模型 | 第66-72页 |
| ·定性观测模型 | 第66-70页 |
| ·定性观测模型中模糊证据统计量的求解 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 总结与展望 | 第74-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第83页 |