| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究的背景及意义 | 第7-8页 |
| 1.2 国内外研究历史及现状 | 第8-10页 |
| 1.2.1 国外研究历史及现状 | 第8-9页 |
| 1.2.2 国内研究历史及现状 | 第9-10页 |
| 1.3 本文工作的内容与结构安排 | 第10-13页 |
| 1.3.1 本文的研究内容及创新点 | 第10-11页 |
| 1.3.2 本文结构安排 | 第11-13页 |
| 第二章 多传感器信息融合目标识别综述 | 第13-24页 |
| 2.1 多传感器信息融合简介 | 第13-14页 |
| 2.2 信息融合的级别 | 第14-18页 |
| 2.2.1 检测级融合 | 第14-15页 |
| 2.2.2 位置级融合 | 第15-16页 |
| 2.2.3 目标识别级融合 | 第16-18页 |
| 2.2.4 态势评估 | 第18页 |
| 2.2.5 威胁估计 | 第18页 |
| 2.3 目标识别融合算法 | 第18-23页 |
| 2.3.1 目标识别融合算法的分类 | 第18-19页 |
| 2.3.2 几种目标识别融合算法 | 第19-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 改进的D-S证据理论目标识别算法 | 第24-40页 |
| 3.1 D-S证据理论的缺陷及经典改进 | 第24-27页 |
| 3.1.1 D-S证据理论算法存在的缺陷 | 第24-25页 |
| 3.1.2 D-S证据理论算法相关经典改进 | 第25-27页 |
| 3.2 基于证据价值的冲突证据合成方法 | 第27-29页 |
| 3.2.1 核心思想 | 第27-28页 |
| 3.2.2 算法流程 | 第28-29页 |
| 3.3 基于改进的冲突系数的D-S算法 | 第29-33页 |
| 3.3.1 核心思想 | 第29-31页 |
| 3.3.2 算法流程 | 第31-33页 |
| 3.4 实验仿真结果及分析 | 第33-38页 |
| 3.4.1 基于证据价值的冲突证据合成方法仿真 | 第33-34页 |
| 3.4.2 基于改进的冲突系数的D-S算法仿真 | 第34-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 目标识别算法的进一步研究 | 第40-59页 |
| 4.1 神经网络求取基本概率赋值的相关研究 | 第40-45页 |
| 4.1.1 反向传播神经网络 | 第40-41页 |
| 4.1.2 改进的自适应遗传算法优化BP神经网络 | 第41-44页 |
| 4.1.3 基本概率赋值的求取 | 第44-45页 |
| 4.2 基于灰色关联分析的传感器置信度研究 | 第45-47页 |
| 4.2.1 灰关联分析 | 第45-46页 |
| 4.2.2 传感器的置信度 | 第46页 |
| 4.2.3 基于传感器置信度的D-S算法的进一步改进 | 第46-47页 |
| 4.3 实验仿真及结果分析 | 第47-58页 |
| 4.3.1 基于遗传算法的BP神经网络赋值的仿真研究 | 第47-57页 |
| 4.3.2 基于灰色关联的传感器信任度仿真研究 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 工作总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 未来展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录: 作者在攻读硕士学位期间主要学术成果 | 第65页 |