多传感器信息融合方法及其在空间目标识别中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-28页 |
| ·课题研究的背景及意义 | 第13-14页 |
| ·课题来源 | 第13页 |
| ·研究的目的及意义 | 第13-14页 |
| ·信息融合技术及其研究现状 | 第14-18页 |
| ·信息融合发展概况 | 第15页 |
| ·信息融合的常用理论和方法 | 第15-17页 |
| ·信息融合的应用领域 | 第17-18页 |
| ·基于信息融合的目标识别及其研究现状 | 第18-26页 |
| ·目标融合识别概述 | 第18-19页 |
| ·目标航迹关联 | 第19-22页 |
| ·目标识别研究现状 | 第22-24页 |
| ·空间目标识别问题 | 第24-26页 |
| ·本文主要工作 | 第26-28页 |
| 第2章 目标识别中的航迹关联方法研究 | 第28-48页 |
| ·引言 | 第28页 |
| ·数学模型 | 第28-31页 |
| ·系统状态方程 | 第28-29页 |
| ·状态估计原理 | 第29-31页 |
| ·关联问题数学描述 | 第31页 |
| ·基于模糊综合决策的D-S航迹关联方法 | 第31-41页 |
| ·基本假设 | 第32页 |
| ·证据的形成 | 第32-34页 |
| ·证据的构造 | 第34-37页 |
| ·证据融合及判决规则 | 第37页 |
| ·仿真与结果分析 | 第37-41页 |
| ·基于K近邻域的D-S航迹关联方法 | 第41-46页 |
| ·EK-NN算法基本假设 | 第41-42页 |
| ·证据的形成及融合 | 第42-43页 |
| ·决策规则 | 第43页 |
| ·EK-NN算法的多义性处理 | 第43-44页 |
| ·仿真与结果分析 | 第44-46页 |
| ·两种方法的比较 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第3章 基于神经网络的目标识别方法研究 | 第48-70页 |
| ·引言 | 第48页 |
| ·基于模糊决策的神经网络目标识别 | 第48-59页 |
| ·模型结构 | 第48-51页 |
| ·网络输出计算及学习算法 | 第51-53页 |
| ·隶属函数选取 | 第53-57页 |
| ·仿真与结果分析 | 第57-59页 |
| ·基于神经网络组的目标识别 | 第59-67页 |
| ·神经网络组 | 第60-61页 |
| ·模型结构 | 第61-63页 |
| ·仿真与结果分析 | 第63-67页 |
| ·几种方法的比较 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第4章 基于证据决策的目标识别方法研究 | 第70-91页 |
| ·引言 | 第70页 |
| ·证据融合基本原理 | 第70-72页 |
| ·基于证据理论的多传感器目标识别 | 第72-82页 |
| ·基本概率分配函数的获取 | 第73-74页 |
| ·D-S方法用于目标识别的决策规则 | 第74-75页 |
| ·算法流程 | 第75-78页 |
| ·数值算例与结果分析 | 第78-82页 |
| ·D-S融合规则存在的问题及改进措施 | 第82-90页 |
| ·矛盾证据融合分析 | 第83-84页 |
| ·Yager公式和Sments公式 | 第84-85页 |
| ·一种改进的D-S融合算法 | 第85-87页 |
| ·数值算例与结果分析 | 第87-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 信息融合在空间目标识别中的应用 | 第91-104页 |
| ·引言 | 第91页 |
| ·仿真模型 | 第91-95页 |
| ·模型框架 | 第92-93页 |
| ·模型数学描述 | 第93-95页 |
| ·仿真与结果分析 | 第95-102页 |
| ·仿真条件 | 第97-99页 |
| ·仿真与结果 | 第99-102页 |
| ·结果分析 | 第102页 |
| ·本章小结 | 第102-104页 |
| 结论 | 第104-106页 |
| 参考文献 | 第106-115页 |
| 攻读学位期间发表的学术论文 | 第115-116页 |
| 哈尔滨工业大学博士学位论文原创性声明和使用授权书 | 第116-117页 |
| 致谢 | 第117-118页 |
| 个人简历 | 第118页 |
