摘要 | 第5-6页 |
Abstract | 第6-7页 |
1 绪论 | 第10-23页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 多源信息融合 | 第11-14页 |
1.2.1 多源信息融合发展及优势 | 第11-12页 |
1.2.2 基本结构 | 第12-14页 |
1.3 融合估计理论 | 第14-16页 |
1.4 噪声相关性简介 | 第16-18页 |
1.5 国内外研究现状 | 第18-21页 |
1.5.1 多传感器系统研究现状 | 第18页 |
1.5.2 噪声相关系统研究现状 | 第18-21页 |
1.6 主要内容和章节安排 | 第21-22页 |
1.7 小结 | 第22-23页 |
2 Kalman滤波基础知识及应用 | 第23-33页 |
2.1 Kalman滤波器 | 第23-27页 |
2.2 多传感器数据融合方法 | 第27-30页 |
2.2.1 测量值扩维融合算法 | 第27-29页 |
2.2.2 序贯式融合滤波算法 | 第29-30页 |
2.3 Kalman滤波应用例子 | 第30-33页 |
3 基于单传感器噪声有限步相关的Kalman滤波算法 | 第33-41页 |
3.1 系统描述 | 第33-34页 |
3.2 解相关方法 | 第34-38页 |
3.2.1 解相关1 | 第34-36页 |
3.2.2 解相关2 | 第36-38页 |
3.3 仿真实验 | 第38-40页 |
3.4 结果分析 | 第40-41页 |
4 基于多传感器系统噪声一步相关的序贯式滤波算法 | 第41-51页 |
4.1 系统描述 | 第41-42页 |
4.2 算法介绍 | 第42-45页 |
4.2.1 解相关 | 第42-44页 |
4.2.2 序贯滤波 | 第44-45页 |
4.3 算法分析 | 第45-46页 |
4.4 仿真实验 | 第46-49页 |
4.5 小结 | 第49-51页 |
5 基于多传感器系统噪声有限步相关的融合滤波算法 | 第51-66页 |
5.1 系统描述 | 第51-52页 |
5.2 测量值扩维融合算法 | 第52-54页 |
5.3 序贯式算法介绍 | 第54-61页 |
5.3.1 解相关 | 第54-60页 |
5.3.2 序贯滤波 | 第60-61页 |
5.4 算法分析 | 第61页 |
5.5 仿真实验 | 第61-65页 |
5.6 小结 | 第65-66页 |
6 总结及展望 | 第66-68页 |
6.1 本文总结 | 第66页 |
6.2 展望 | 第66-68页 |
参考文献 | 第68-71页 |
致谢 | 第71-72页 |
作者简介、攻读硕士学位期间取得的学术成果 | 第72页 |