基于数据驱动的多源信息融合技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状及发展趋势 | 第11-16页 |
| ·多源信息融合的研究现状 | 第11-13页 |
| ·数据驱动应用现状 | 第13-15页 |
| ·基于数据驱动的多源信息融合 | 第15-16页 |
| ·本文的主要内容和论文结构 | 第16-18页 |
| 第2章 信息融合与目标跟踪基本理论方法 | 第18-30页 |
| ·引言 | 第18页 |
| ·信息融合的概念和层次结构 | 第18-21页 |
| ·数据层融合 | 第19页 |
| ·特征层融合 | 第19-20页 |
| ·决策层融合 | 第20-21页 |
| ·信息融合中的目标跟踪理论方法 | 第21-29页 |
| ·卡尔曼滤波 | 第21-23页 |
| ·粒子滤波 | 第23-25页 |
| ·联合跟踪与分类 | 第25-27页 |
| ·JTC 基本原理 | 第25-26页 |
| ·JTC 的贝叶斯估计 | 第26-27页 |
| ·多模型算法 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于数据驱动的声音信息融合车辆辨识技术 | 第30-43页 |
| ·引言 | 第30页 |
| ·基于数据驱动的多源信息融合方法 | 第30-34页 |
| ·基于动态数据驱动的多源信息融合方法 | 第31-33页 |
| ·数据驱动与模型驱动协同作用的多源信息融合方法 | 第33-34页 |
| ·车辆声辨识应用实例 | 第34-42页 |
| ·车辆声辨识问题描述 | 第34-36页 |
| ·基于数据的多源信息提取 | 第36-37页 |
| ·基于数据驱动的声音信息融合 | 第37-41页 |
| ·特征层融合 | 第37-40页 |
| ·贝叶斯决策融合算法 | 第40-41页 |
| ·实验情景及结果分析 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第4章 基于数据驱动的联合目标跟踪与分类技术 | 第43-55页 |
| ·引言 | 第43页 |
| ·多模粒子滤波 JTC 算法 | 第43-49页 |
| ·问题描述 | 第43-45页 |
| ·多模粒子滤波算法 | 第45-46页 |
| ·仿真实验及结果分析 | 第46-49页 |
| ·基于数据驱动的 JTC 算法 | 第49-54页 |
| ·引入数据驱动的原因 | 第49页 |
| ·与传统 JTC 技术的比较 | 第49-50页 |
| ·一种基于数据驱动的 PAS-JTC 算法 | 第50-53页 |
| ·仿真实验及结果分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·未来展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 1 | 第62-63页 |
| 附录 2 | 第63-71页 |
