| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第14-42页 |
| 1.1 研究背景 | 第14-23页 |
| 1.1.1 概述 | 第14-16页 |
| 1.1.2 目标跟踪技术 | 第16-18页 |
| 1.1.3 信息融合技术 | 第18-23页 |
| 1.2 研究课题的提出 | 第23页 |
| 1.3 国内外研究的发展与现状 | 第23-35页 |
| 1.3.1 空中加油技术 | 第23-24页 |
| 1.3.2 现代距离测量技术 | 第24-26页 |
| 1.3.3 目标跟踪估计算法 | 第26-31页 |
| 1.3.4 多源信息融合方法 | 第31-35页 |
| 1.4 主要研究内容及意义 | 第35-39页 |
| 1.4.1 主要研究内容 | 第35-38页 |
| 1.4.2 本文的工程及学术意义 | 第38-39页 |
| 1.5 论文的主要工作及组织结构 | 第39-42页 |
| 2 测量数据预处理技术研究 | 第42-66页 |
| 2.1 问题描述 | 第42-44页 |
| 2.2 多传感器配准初始化 | 第44-45页 |
| 2.3 空间配准算法的研究 | 第45-51页 |
| 2.3.1 二维空间配准问题描述 | 第45-47页 |
| 2.3.2 空间配准算法的选取 | 第47-49页 |
| 2.3.3 空间配准误差传递 | 第49-51页 |
| 2.4 时间配准算法的研究 | 第51-53页 |
| 2.5 野值剔除算法的研究 | 第53-64页 |
| 2.5.1 常规野值剔除算法的不适用性 | 第53-55页 |
| 2.5.2 利用Kalman滤波完成野值检测 | 第55-57页 |
| 2.5.3 等权平均的数据压缩技术 | 第57-59页 |
| 2.5.4 改进型Wasserstein距离的野值集合剔除算法 | 第59-61页 |
| 2.5.5 仿真分析 | 第61-64页 |
| 2.6 本章小结 | 第64-66页 |
| 3 目标跟踪模型研究 | 第66-90页 |
| 3.1 问题描述 | 第66页 |
| 3.2 目标运动模型的研究 | 第66-77页 |
| 3.2.1 混杂系统的模式空间 | 第67-72页 |
| 3.2.2 基于矩形门的混杂系统自适应模型 | 第72-77页 |
| 3.3 目标测量模型的研究 | 第77-83页 |
| 3.3.1 激光测距传感器球坐标模型 | 第77-79页 |
| 3.3.2 双目视觉传感器直角坐标模型 | 第79-80页 |
| 3.3.3 测量模型误差分析 | 第80-83页 |
| 3.4 仿真分析 | 第83-88页 |
| 3.5 本章小结 | 第88-90页 |
| 4 测量常时滞系统实时性求解算法研究 | 第90-106页 |
| 4.1 问题描述 | 第90-92页 |
| 4.2 OOSM问题的主要处理方法 | 第92-94页 |
| 4.3 经过回溯状态的EKF-A1算法 | 第94-97页 |
| 4.4 基于UT变换的CISM间接更新算法 | 第97-102页 |
| 4.5 仿真分析 | 第102-105页 |
| 4.6 本章小结 | 第105-106页 |
| 5 估计相关的异类传感器融合算法研究 | 第106-126页 |
| 5.1 问题描述 | 第106-108页 |
| 5.2 去相关的初步求解方法 | 第108-110页 |
| 5.3 CI-Kalman对角阵加权融合算法 | 第110-112页 |
| 5.4 无重置式独立修正信息系数的混合联邦Kalman融合算法 | 第112-122页 |
| 5.4.1 无重置式(No-reset mode)滤波结构 | 第113-116页 |
| 5.4.2 混合联邦Kalman滤波器的工作流程 | 第116-117页 |
| 5.4.3 独立修正的自适应信息系数分配方法 | 第117-122页 |
| 5.5 仿真分析 | 第122-125页 |
| 5.6 本章小结 | 第125-126页 |
| 6 系统实验研究 | 第126-152页 |
| 6.1 问题描述 | 第126页 |
| 6.2 实验台设计 | 第126-134页 |
| 6.2.1 系统的总体结构 | 第126-128页 |
| 6.2.2 系统硬件的选型与参数 | 第128-132页 |
| 6.2.3 系统软件设计 | 第132-134页 |
| 6.3 实验研究 | 第134-150页 |
| 6.3.1 空间配准误差合理性验证实验 | 第134-136页 |
| 6.3.2 目标运动模型准确性验证实验 | 第136-142页 |
| 6.3.3 测量系统的实时性验证实验 | 第142-146页 |
| 6.3.4 融合算法的最优性验证实验 | 第146-150页 |
| 6.4 本章小结 | 第150-152页 |
| 7 总结与展望 | 第152-156页 |
| 7.1 全文总结 | 第152-153页 |
| 7.2 工作展望 | 第153-156页 |
| 参考文献 | 第156-166页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第166-170页 |
| 学位论文数据集 | 第170页 |
