摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第1章 绪论 | 第17-30页 |
1.1 广义系统状态估计的研究现状 | 第17-25页 |
1.1.1 广义系统的研究背景 | 第17-20页 |
1.1.2 广义系统最优估计的研究现状 | 第20-21页 |
1.1.3 广义系统鲁棒估计的研究现状 | 第21-23页 |
1.1.4 广义系统自校正估计的研究现状 | 第23-25页 |
1.2 多传感器广义系统状态估计的研究现状 | 第25-28页 |
1.2.1 多传感器信息融合的研究现状 | 第25页 |
1.2.2 多传感器信息融合状态估计的研究现状 | 第25-27页 |
1.2.3 广义系统信息融合估计的研究现状 | 第27-28页 |
1.3 本文的主要研究内容 | 第28-30页 |
第2章 多传感器广义系统最优降阶加权观测融合KALMAN估值器 | 第30-59页 |
2.1 引言 | 第30页 |
2.2 问题描述 | 第30-31页 |
2.3 加权观测融合方法 | 第31-33页 |
2.3.1 集中式融合方法 | 第31-32页 |
2.3.2 加权观测融合方法 | 第32-33页 |
2.4 加权观测融合广义系统的奇异值分解子系统 | 第33-39页 |
2.4.1 奇异值分解子系统I | 第33-35页 |
2.4.2 奇异值分解子系统II | 第35-37页 |
2.4.3 奇异值分解子系统III | 第37-39页 |
2.5 多传感器广义系统的加权观测融合降阶Kalman估值器 | 第39-49页 |
2.5.1 降阶子系统的加权观测融合Kalman估值器 | 第40-43页 |
2.5.2 原广义系统的加权观测融合降阶Kalman估值器 | 第43-49页 |
2.6 仿真例子 | 第49-58页 |
2.7 本章小结 | 第58-59页 |
第3章 多传感器广义系统满阶加权观测融合估值器 | 第59-79页 |
3.1 引言 | 第59页 |
3.2 基于极大似然估计的满阶滤波器和平滑器 | 第59-69页 |
3.2.1 满阶滤波器及其滤波误差方差阵 | 第61-64页 |
3.2.2 满阶平滑器及其平滑误差方差阵 | 第64-69页 |
3.3 多传感器广义系统的加权观测融合满阶滤波器和平滑器 | 第69-74页 |
3.3.1 问题描述 | 第69页 |
3.3.2 加权观测融合满阶滤波器 | 第69-72页 |
3.3.3 加权观测融合满阶平滑器 | 第72-74页 |
3.4 仿真例子 | 第74-78页 |
3.5 本章小结 | 第78-79页 |
第4章 带不确定噪声方差的多传感器广义系统的鲁棒信息融合估值器 | 第79-106页 |
4.1 引言 | 第79页 |
4.2 带不确定噪声统计的广义系统的鲁棒估值器 | 第79-92页 |
4.2.1 问题描述 | 第79-81页 |
4.2.2 鲁棒满阶滤波器及其鲁棒性分析 | 第81-87页 |
4.2.3 鲁棒满阶平滑器及其鲁棒性分析 | 第87-92页 |
4.3 带不确定噪声统计的多传感器广义系统的信息融合鲁棒估值器 | 第92-100页 |
4.3.1 加权观测融合鲁棒估值器 | 第92-96页 |
4.3.2 协方差交叉融合鲁棒估值器 | 第96-100页 |
4.4 仿真例子 | 第100-105页 |
4.5 本章小结 | 第105-106页 |
第5章 多传感器广义系统的自校正信息融合估值器 | 第106-138页 |
5.1 引言 | 第106页 |
5.2 自校正降阶信息融合KALMAN估值器 | 第106-117页 |
5.2.1 问题描述 | 第106-107页 |
5.2.2 CARMA新息模型 | 第107-108页 |
5.2.3 未知噪声方差的估计 | 第108-110页 |
5.2.4 自校正降阶加权观测融合Kalman估值器及其收敛性分析 | 第110-117页 |
5.3 自校正满阶信息融合估值器及其收敛性分析 | 第117-126页 |
5.3.1 自校正满阶加权观测融合估值器 | 第117-121页 |
5.3.2 收敛性分析 | 第121-126页 |
5.4 仿真例子 | 第126-137页 |
5.5 本章小结 | 第137-138页 |
结论 | 第138-140页 |
参考文献 | 第140-156页 |
致谢 | 第156-157页 |
攻读博士学位期间发表的学术论文及其它成果 | 第157-158页 |