| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 课题的国内外研究现状 | 第13-18页 |
| 1.2.1 传感器配准的研究现状 | 第13-16页 |
| 1.2.2 多传感器信息融合的研究现状 | 第16-17页 |
| 1.2.3 存在时滞和丢包系统信息融合估计问题的研究现状 | 第17-18页 |
| 1.3 本文研究的基本内容及章节安排 | 第18-20页 |
| 第2章 状态估计及传感器配准理论基础 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 射影理论 | 第20-22页 |
| 2.3 极大似然估计 | 第22-23页 |
| 2.4 最大期望算法 | 第23-24页 |
| 2.5 概率知识 | 第24-25页 |
| 2.6 目标运动模型 | 第25-26页 |
| 2.7 Monte Carlo仿真和系统性能分析 | 第26-27页 |
| 2.7.1 Monte Carlo仿真 | 第26页 |
| 2.7.2 跟踪精度统计指标 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第3章 移动平台下多传感器非机动目标跟踪联合配准及融合算法 | 第28-40页 |
| 3.1 引言 | 第28-29页 |
| 3.2 问题描述 | 第29-32页 |
| 3.3 模型转化 | 第32-33页 |
| 3.4 基于含随机参数扩展卡尔曼平滑器的最大期望算法 | 第33-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 含随机参数扩展卡尔曼滤波及平滑算法 | 第40-62页 |
| 4.1 引言 | 第40页 |
| 4.2 含随机参数扩展卡尔曼滤波算法 | 第40-49页 |
| 4.3 含随机参数扩展卡尔曼平滑算法 | 第49-51页 |
| 4.4 后验Cramer-Rao界推导 | 第51-53页 |
| 4.5 仿真分析 | 第53-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第5章 移动平台下多传感器机动目标跟踪联合配准及融合算法 | 第62-86页 |
| 5.1 引言 | 第62-63页 |
| 5.2 问题描述 | 第63-65页 |
| 5.3 模型转化 | 第65-66页 |
| 5.4 基于含随机参数交互多模型平滑器的最大期望算法 | 第66-69页 |
| 5.5 含随机参数交互多模型滤波算法 | 第69-76页 |
| 5.6 含随机参数交互多模型平滑算法 | 第76-78页 |
| 5.7 后验Cramer-Rao界推导 | 第78-80页 |
| 5.8 仿真分析 | 第80-84页 |
| 5.9 本章小结 | 第84-86页 |
| 第6章 结论 | 第86-88页 |
| 附录A | 第88-90页 |
| 附录B | 第90-92页 |
| 参考文献 | 第92-98页 |
| 致谢 | 第98-100页 |
| 攻读硕士学位期间的研究成果 | 第100-101页 |
| 附件 | 第101页 |
