多传感器时滞系统的信息融合算法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 多传感器信息融合技术 | 第11-16页 |
| 1.2.1 多传感器信息融合的结构 | 第11-12页 |
| 1.2.2 信息融合的基本数学方法 | 第12-13页 |
| 1.2.3 状态估计的主要方法 | 第13-14页 |
| 1.2.4 信息融合状态估计的研究概况 | 第14-16页 |
| 1.3 时滞系统概述 | 第16-18页 |
| 1.3.1 时滞系统 | 第16-17页 |
| 1.3.2 时滞系统估计及融合概况 | 第17-18页 |
| 1.4 论文成果与组织结构 | 第18-20页 |
| 第二章 预备知识 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 滤波原理介绍 | 第20-26页 |
| 2.2.1 滤波概述 | 第20-21页 |
| 2.2.2 卡尔曼滤波 | 第21-24页 |
| 2.2.3 鲁棒H_∞滤波 | 第24-26页 |
| 2.3 信息融合算法介绍 | 第26-34页 |
| 2.3.1 信息融合问题描述 | 第28-29页 |
| 2.3.2 集中式融合算法 | 第29页 |
| 2.3.3 分布式加权信息融合算法 | 第29-34页 |
| 第三章 存在数据丢失的卡尔曼滤波融合算法 | 第34-64页 |
| 3.1 背景介绍 | 第34-35页 |
| 3.2 问题描述 | 第35-37页 |
| 3.3 卡尔曼滤波器设计 | 第37-53页 |
| 3.3.1 最优卡尔曼滤波算法 | 第37-39页 |
| 3.3.2 最优卡尔曼滤波器稳定性分析 | 第39-50页 |
| 3.3.3 仿真实例 | 第50-53页 |
| 3.4 分布式加权信息融合 | 第53-63页 |
| 3.4.1 三种分布式加权信息融合的对比分析 | 第53-60页 |
| 3.4.2 数据丢失的处理在信息融合中所起的作用 | 第60-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第四章 存在数据丢失的H_∞滤波融合算法 | 第64-80页 |
| 4.1 背景介绍 | 第64-65页 |
| 4.2 问题描述 | 第65-67页 |
| 4.3 鲁棒H_∞滤波及其融合 | 第67-75页 |
| 4.3.1 鲁棒H_∞滤波系统稳定性分析 | 第68-69页 |
| 4.3.2 鲁棒H_∞滤波器设计 | 第69-74页 |
| 4.3.3 鲁棒H_∞滤波的信息融合算法 | 第74-75页 |
| 4.4 仿真实例 | 第75-79页 |
| 4.5 本章小结 | 第79-80页 |
| 第五章 结论与展望 | 第80-82页 |
| 5.1 本文工作总结 | 第80-81页 |
| 5.2 研究展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间已发表或录用的论文 | 第87-89页 |
