| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文研究的背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 论文主要内容和结构安排 | 第11-14页 |
| 第二章 相关技术 | 第14-24页 |
| 2.1 多传感器信息融合技术 | 第14-18页 |
| 2.1.1 信息融合定义和基本原理 | 第14-15页 |
| 2.1.2 多传感器信息融合结构模型 | 第15-17页 |
| 2.1.3 多传感器信息融合技术常用方法 | 第17-18页 |
| 2.2 雷达数据标准格式ASTERIX | 第18-19页 |
| 2.3 时空校准 | 第19-20页 |
| 2.4 人工神经网络 | 第20-21页 |
| 2.5 GPU并行计算架构-CUDA | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于BP神经网络的单飞行器多雷达信息融合研究 | 第24-50页 |
| 3.1 多雷达监视信息解析 | 第24-28页 |
| 3.2 多雷达监视信息时空校准 | 第28-33页 |
| 3.2.1 空间校准 | 第28-31页 |
| 3.2.2 时间校准 | 第31-33页 |
| 3.3 多雷达监视信息融合 | 第33-45页 |
| 3.3.1 BP神经网络 | 第33-35页 |
| 3.3.2 BP算法 | 第35-39页 |
| 3.3.3 基于BP神经网络的多雷达信息融合实现 | 第39-45页 |
| 3.4 测试及结果 | 第45-49页 |
| 3.4.1 测试样本数据 | 第45页 |
| 3.4.2 测试环境 | 第45页 |
| 3.4.3 网络训练 | 第45-46页 |
| 3.4.4 网络测试 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于GPU的多飞行器多雷达信息融合研究 | 第50-62页 |
| 4.1 多飞行器多雷达信息融合并行性研究 | 第50-51页 |
| 4.2 多飞行器多雷达信息融合实现 | 第51-57页 |
| 4.3 测试及结果 | 第57-61页 |
| 4.3.1 测试样本数据 | 第57页 |
| 4.3.2 测试环境 | 第57页 |
| 4.3.3 网络训练 | 第57-58页 |
| 4.3.4 网络测试 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间取得的研究成果 | 第68页 |