| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 主要符号表 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究背景和意义 | 第11-12页 |
| ·信息融合的背景与发展 | 第12-14页 |
| ·信息融合的背景 | 第12-13页 |
| ·信息融合的发展 | 第13-14页 |
| ·信息融合在无人机自主防撞技术中的应用 | 第14-15页 |
| ·本文主要工作与章节安排 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 无人机多传感器测量与融合技术研究 | 第17-36页 |
| ·无人机多传感器测量技术 | 第17-26页 |
| ·高度多传感器测量 | 第17-23页 |
| ·俯仰角多传感器测量 | 第23-26页 |
| ·无人机多传感器信息融合技术 | 第26-35页 |
| ·多传感器信息融合定义 | 第27-28页 |
| ·多传感器信息融合基本原理 | 第28-29页 |
| ·多传感器信息融合方法 | 第29-33页 |
| ·无人机多传感器信息融合方案 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于卡尔曼滤波和自适应加权平均的无人机高度融合算法研究 | 第36-56页 |
| ·无人机高度信息融合算法研究 | 第36-46页 |
| ·基于卡尔曼滤波的高度信息融合算法研究 | 第36-43页 |
| ·基于自适应加权平均的高度信息融合算法研究 | 第43-46页 |
| ·无人机高度信息融合算法验证 | 第46-55页 |
| ·基于卡尔曼滤波的高度信息融合算法验证 | 第46-53页 |
| ·基于自适应加权平均的高度信息融合算法验证 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 基于 BP 和 RBF 神经网络的无人机俯仰角融合算法研究 | 第56-72页 |
| ·无人机俯仰角信息融合算法研究 | 第56-64页 |
| ·基于 BP 神经网络的俯仰角信息融合算法研究 | 第56-59页 |
| ·基于 RBF 神经网络俯的仰角信息融合算法研究 | 第59-64页 |
| ·无人机俯仰角信息融合算法验证 | 第64-71页 |
| ·基于 BP 神经网络的俯仰角信息融合算法验证 | 第64-69页 |
| ·基于 RBF 神经网络的俯仰角信息融合算法验证 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 自主防撞无人机信息融合算法应用 | 第72-78页 |
| ·无人机自主防撞功能要求 | 第72-73页 |
| ·无人机自主防撞原理 | 第73-74页 |
| ·影响无人机自主防撞的主要因素 | 第74页 |
| ·基于多传感器信息融合算法的无人机自主防撞功能实现 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 全文的主要工作及得到的主要结论总结 | 第78-79页 |
| 对今后工作的建议 | 第79-80页 |
| 附录Ⅰ卡尔曼滤波高度信息融合程序清单 | 第80-84页 |
| 附录 II 自适应加权平均高度信息融合程序清单 | 第84-87页 |
| 附录 III BP 神经网络俯仰角信息融合程序清单 | 第87-89页 |
| 附录 IV RBF 神经网络俯仰角信息融合程序清单 | 第89-92页 |
| 参考文献 | 第92-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第96页 |
