| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究课题的研究背景及意义 | 第11-12页 |
| 1.2 研究课题的国内外研究现状 | 第12-15页 |
| 1.2.1 网络诱导时延 | 第13-14页 |
| 1.2.2 数据包丢失 | 第14-15页 |
| 1.2.3 通讯受限 | 第15页 |
| 1.3 本文研究内容和结构安排 | 第15-17页 |
| 第二章 预备知识 | 第17-27页 |
| 2.1 线性最小方差估计 | 第17-19页 |
| 2.2 Lyapunov稳定性定理 | 第19-20页 |
| 2.3 Kalman最优滤波算法 | 第20-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 网络化最优状态估计 | 第27-55页 |
| 3.1 引言 | 第27-28页 |
| 3.2 问题描述 | 第28-32页 |
| 3.2.1 通讯受限的NSES | 第29-31页 |
| 3.2.2 存在网络诱导时延的NSES | 第31-32页 |
| 3.2.3 存在数据包丢失的NSES | 第32页 |
| 3.3 网络化最优状态估计算法 | 第32-38页 |
| 3.3.1 传统最优状态估计算法 | 第32-33页 |
| 3.3.2 通讯受限的网络化最优状态估计算法 | 第33-34页 |
| 3.3.3 通讯受限且存在网络诱导时延的网络化最优状态估计算法 | 第34-36页 |
| 3.3.4 通讯受限且存在数据包丢失的网络化最优状态估计算法 | 第36-38页 |
| 3.4 网络化最优状态估计算法的稳定性 | 第38-48页 |
| 3.4.1 网络化状态估计系统的可控性 | 第38-40页 |
| 3.4.2 网络化状态估计系统的可观测性 | 第40-43页 |
| 3.4.3 网络化最优状态估计算法的稳定性 | 第43-47页 |
| 3.4.4 网络化最优状态估计算法的步骤 | 第47-48页 |
| 3.5 数值实例 | 第48-53页 |
| 3.5.1 Kalman最优滤波状态估计 | 第48-49页 |
| 3.5.2 通讯受限的NSES的网络化最优滤波状态估计 | 第49-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第四章 网络化最优状态估计的发散问题 | 第55-62页 |
| 4.1 引言 | 第55-56页 |
| 4.2 问题描述 | 第56-57页 |
| 4.3 主要结果 | 第57-59页 |
| 4.3.1 滤波发散的解决方法介绍 | 第57页 |
| 4.3.2 通讯受限的网络化衰减记忆滤波算法 | 第57-59页 |
| 4.4 数值实例 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 总结和展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间发表的论文 | 第69-71页 |
| 致谢 | 第71页 |
