多传感器信息融合关键技术研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第11-13页 |
缩略语对照表 | 第13-17页 |
第一章 绪论 | 第17-23页 |
1.1 研究背景及意义 | 第17-18页 |
1.2 国内外研究现状 | 第18-20页 |
1.2.1 多传感器信息融合研究现状 | 第18-19页 |
1.2.2 数据关联研究现状 | 第19页 |
1.2.3 航迹滤波研究现状 | 第19-20页 |
1.2.4 目标识别研究现状 | 第20页 |
1.3 论文主要研究工作和结构安排 | 第20-23页 |
1.3.1 主要研究工作 | 第20-21页 |
1.3.2 结构安排 | 第21-23页 |
第二章 多传感器信息融合基本理论 | 第23-33页 |
2.1 多传感器信息融合基本原理 | 第23-24页 |
2.2 多传感器信息融合的信息类别 | 第24-25页 |
2.3 多传感器信息融合的功能模型 | 第25-26页 |
2.4 多传感器信息融合的级别 | 第26-28页 |
2.4.1 数据级融合 | 第26-27页 |
2.4.2 特征级融合 | 第27页 |
2.4.3 决策级融合 | 第27-28页 |
2.5 多传感器信息融合的处理结构 | 第28-30页 |
2.5.1 集中式融合结构 | 第28-29页 |
2.5.2 分布式融合结构 | 第29页 |
2.5.3 混合式融合结构 | 第29-30页 |
2.6 多传感器信息融合的关键技术 | 第30-31页 |
2.7 本章小结 | 第31-33页 |
第三章 测向交叉定位系统中的多目标数据关联研究 | 第33-51页 |
3.1 引言 | 第33页 |
3.2 数据关联问题描述 | 第33-36页 |
3.3 数据关联经典算法 | 第36-43页 |
3.3.1 基于残差的数据关联算法 | 第36-38页 |
3.3.2 基于视线距离的数据关联算法 | 第38-41页 |
3.3.3 基于角度冗余信息的数据关联算法 | 第41-43页 |
3.4 基于虚假点消除的角度冗余数据关联算法 | 第43-46页 |
3.4.1 三种算法的局限性 | 第43-44页 |
3.4.2 算法改进 | 第44-46页 |
3.5 仿真结果及分析 | 第46-49页 |
3.5.1 仿真场景 | 第46页 |
3.5.2 仿真结果及分析 | 第46-49页 |
3.6 本章小结 | 第49-51页 |
第四章 航迹滤波处理研究 | 第51-71页 |
4.1 引言 | 第51页 |
4.2 滤波问题描述 | 第51-54页 |
4.3 运动目标航迹建模 | 第54-59页 |
4.3.1 坐标变换 | 第54-56页 |
4.3.2 航迹建模 | 第56-59页 |
4.4 卡尔曼滤波算法 | 第59-62页 |
4.4.1 卡尔曼滤波算法理论 | 第59-61页 |
4.4.2 卡尔曼滤波算法的局限性 | 第61-62页 |
4.5 改进滤波算法 | 第62-65页 |
4.5.1 基于加权平均数据窗的野值处理方法 | 第62-63页 |
4.5.2 改进卡尔曼滤波算法 | 第63-65页 |
4.6 仿真结果及分析 | 第65-70页 |
4.6.1 仿真结果 | 第65-69页 |
4.6.2 结果分析 | 第69-70页 |
4.7 本章小结 | 第70-71页 |
第五章 基于特征融合的目标识别研究 | 第71-85页 |
5.1 引言 | 第71页 |
5.2 特征问题描述 | 第71-72页 |
5.3 专家特征集 | 第72-75页 |
5.3.1 特征提取 | 第72-73页 |
5.3.2 特征选择 | 第73-74页 |
5.3.3 专家特征集构造 | 第74-75页 |
5.4 基于模型的组合特征构造 | 第75-81页 |
5.4.1 基于FM算法的组合特征构造 | 第75-77页 |
5.4.2 基于GBDT算法的组合特征构造 | 第77-80页 |
5.4.3 基于深度学习算法的组合特征构造 | 第80-81页 |
5.5 特征融合 | 第81-84页 |
5.5.1 存在的问题 | 第81页 |
5.5.2 专家特征集与组合特征集融合 | 第81-82页 |
5.5.3 仿真结果及分析 | 第82-84页 |
5.6 本章小结 | 第84-85页 |
第六章 总结与展望 | 第85-87页 |
6.1 论文主要工作及创新点 | 第85-86页 |
6.2 后续工作展望 | 第86-87页 |
参考文献 | 第87-91页 |
致谢 | 第91-93页 |
作者简介 | 第93-94页 |