| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| 1．1 论文背景 | 第7-8页 |
| 1．2 国内外的发展现状 | 第8-9页 |
| 1．3 本文的主要工作及内容安排 | 第9-10页 |
| 第二章 信息融合技术与机载雷达系统 | 第10-22页 |
| 2．1 信息融合的理论知识 | 第10-17页 |
| 2．1．1 信息融合的基本概念 | 第10-12页 |
| 2．1．2 信息融合的模型 | 第12-13页 |
| 2．1．3 信息融合的层次结构 | 第13-15页 |
| 2．1．4 信息融合的算法 | 第15-17页 |
| 2．2 基于信息融合的现代机载雷达系统方案 | 第17-21页 |
| 2．2．1 机载雷达系统分析 | 第17-18页 |
| 2．2．2 系统方案 | 第18-20页 |
| 2．2．3 传感器的选取 | 第20-21页 |
| 2．3 本章小结 | 第21-22页 |
| 第三章 基于D-S证据理论的融合算法 | 第22-36页 |
| 3．1 证据理论的基本概念 | 第22-24页 |
| 3．2 Dempster组合规则 | 第24-25页 |
| 3．3 证据理论的优缺点及一些改进方法 | 第25-27页 |
| 3．4 D-S算法实现 | 第27-29页 |
| 3．5 基本概率赋值的获取 | 第29-32页 |
| 3．6 基于证据理论的决策 | 第32-33页 |
| 3．7 仿真实验 | 第33-35页 |
| 3．8 本章小结 | 第35-36页 |
| 第四章 基于神经网络和D-S理论相结合的融合算法 | 第36-51页 |
| 4．1 神经网络技术 | 第36-42页 |
| 4．1．1 神经网络的概念 | 第36-38页 |
| 4．1．2 BP神经网络 | 第38-42页 |
| 4．2 基于BP神经网络和D-S理论相结合的融合算法设计 | 第42-46页 |
| 4．2．1 算法思路 | 第42-43页 |
| 4．2．2 算法流程 | 第43-46页 |
| 4．3 仿真实验 | 第46-50页 |
| 4．4 本章小结 | 第50-51页 |
| 第五章 结束语 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士期间完成的学术论文 | 第56-57页 |
| 致谢 | 第57-58页 |