| 1 前言 | 第1-13页 |
| ·选题的意义 | 第7-8页 |
| ·带乘性噪声系统的特点及应用背景 | 第8-9页 |
| ·带乘性噪声系统最优估计理论的发展及研究现状 | 第9-10页 |
| ·多传感器数据融合技术简介 | 第10-11页 |
| ·二维随机系统的最优估计理论简介 | 第11页 |
| ·本文所做的主要工作 | 第11-13页 |
| 2 多传感器观测下SMN最优估计融合算法 | 第13-37页 |
| ·多传感器观测下SMN数学模型 | 第13页 |
| ·多传感器观测下SMN常规最优估计融合算法 | 第13-29页 |
| ·最优滤波融合算法 | 第14-21页 |
| ·集中式最优滤波融合算法 | 第15-17页 |
| ·分布式最优滤波融合算法 | 第17-20页 |
| ·集中式与分布式融合算法比较 | 第20-21页 |
| ·最优固定域平滑算法 | 第21-24页 |
| ·最优固定域反褶积算法 | 第24页 |
| ·算法流程图 | 第24-29页 |
| ·多传感器观测下SMN逆向滤波与单向反褶积融合算法 | 第29-36页 |
| ·研究背景及前人工作 | 第29页 |
| ·单传感器观测下逆向滤波与单向固定域反褶积算法 | 第29-31页 |
| ·多传感器观测下SMN逆向滤波融合算法 | 第31-34页 |
| ·集中式最优逆向滤波融合算法 | 第31-33页 |
| ·分布式最优逆向滤波融合算法 | 第33-34页 |
| ·多传感器观测下SMN单向最优固定域反褶积算法 | 第34-35页 |
| ·算法流程图 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 3 带乘性噪声的2-D FMMⅡ模型的最优估计方法 | 第37-51页 |
| ·研究背景及其数学模型 | 第37-38页 |
| ·将二维数学模型转换为一维形式 | 第38-41页 |
| ·带乘性噪声的2-D FMMⅡ模型的最优滤波算法 | 第41-45页 |
| ·带乘性噪声的2-D FMMⅡ模型的最优固定域平滑算法 | 第45-48页 |
| ·带乘性噪声的2-D FMMⅡ模型的最优固定域反褶积算法 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 4 仿真实例 | 第51-62页 |
| ·多传感器观测下SMN的常规最优融合估计算法仿真 | 第51-55页 |
| ·多传感器观测下SMN的逆向滤波与单向反褶积融合算法仿真 | 第55-57页 |
| ·带乘性噪声的2-D FMMⅡ模型的最优估计算法仿真 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 5 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |
