电子战情报分析中多传感器检测与位置级数据融合技术的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-13页 |
| 1.2.1 图像融合 | 第10-11页 |
| 1.2.2 航迹关联 | 第11-12页 |
| 1.2.3 航迹融合 | 第12-13页 |
| 1.3 研究内容和论文结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 论文结构 | 第13-15页 |
| 第二章 多传感器图像融合算法研究 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 一种光学图像与SAR图像的图像融合算法 | 第15-21页 |
| 2.2.1 双树复小波变换 | 第16-18页 |
| 2.2.2 算法原理及步骤 | 第18-21页 |
| 2.3 算法仿真验证 | 第21-26页 |
| 2.3.1 融合结果评价参数 | 第21-22页 |
| 2.3.2 仿真结果及分析 | 第22-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 多传感器多目标航迹关联算法研究 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 一种新的雷达与ESM的航迹关联算法 | 第28-38页 |
| 3.2.1 问题描述 | 第29页 |
| 3.2.2 算法原理 | 第29-33页 |
| 3.2.3 算法步骤 | 第33-38页 |
| 3.3 算法仿真验证与分析 | 第38-47页 |
| 3.3.1 仿真环境 | 第38-39页 |
| 3.3.2 仿真结果及分析 | 第39-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 多传感器航迹融合算法的研究 | 第48-82页 |
| 4.1 引言 | 第48页 |
| 4.2 Kalman滤波及其最优贝叶斯解释 | 第48-51页 |
| 4.3 基于量测概率的同类传感器数据融合算法 | 第51-66页 |
| 4.3.1 问题描述 | 第51页 |
| 4.3.2 算法原理 | 第51-53页 |
| 4.3.3 算法步骤 | 第53-56页 |
| 4.3.4 仿真分析 | 第56-66页 |
| 4.4 基于最小互协方差的异类传感器数据融合算法 | 第66-81页 |
| 4.4.1 问题描述 | 第67-68页 |
| 4.4.2 算法原理 | 第68-71页 |
| 4.4.3 算法步骤 | 第71-72页 |
| 4.4.4 仿真分析 | 第72-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 总结与展望 | 第82-84页 |
| 5.1 总结 | 第82-83页 |
| 5.2 展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士期间获得的学术成果 | 第90-91页 |
