| 中文摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 目录 | 第11-20页 |
| 第1章 绪论 | 第20-50页 |
| ·引言 | 第20-21页 |
| ·估计问题的研究现状 | 第21-27页 |
| ·wiener滤波器的研究现状 | 第21-23页 |
| ·Kalman滤波器的研究现状 | 第23-24页 |
| ·基于现代时间序列分析方法的滤波理论研究现状 | 第24-27页 |
| ·多传感器信息融合研究现状 | 第27-43页 |
| ·多传感器信息融合的一般概念与意义 | 第27-29页 |
| ·信息融合系统的模型和结构 | 第29-33页 |
| ·多传感器信息融合的应用领域 | 第33-35页 |
| ·多传感器信息融合研究现状 | 第35-43页 |
| ·自校正信息融合滤波理论研究现状 | 第43-46页 |
| ·最优和自校正多传感器观测融合滤波方法和算法研究目的和意义 | 第46-47页 |
| ·论文主要研究内容和组织安排 | 第47-50页 |
| ·主要研究内容 | 第47-48页 |
| ·论文组织安排 | 第48-50页 |
| 第2章 多传感器模型参数和噪声统计的信息融合估值器 | 第50-98页 |
| ·引言 | 第50-51页 |
| ·信息融合噪声统计在线估值器 | 第51-60页 |
| ·相关函数及其采样估值 | 第51-54页 |
| ·未知噪声统计的在线估计 | 第54-56页 |
| ·信息融合噪声统计估值器 | 第56-58页 |
| ·估值器的强一致性 | 第58-60页 |
| ·模型参数和噪声统计的信息融合两段在线估计方法 | 第60-77页 |
| ·基本参数估计方法 | 第60-70页 |
| ·未知模型参数和噪声统计的两段在线融合估计方法 | 第70-77页 |
| ·模型参数和噪声统计的一种信息融合三段在线辨识方法 | 第77-82页 |
| ·仿真例子 | 第82-97页 |
| ·本章小结 | 第97-98页 |
| 第3章 线性无偏最小方差准则下的最优加权观测融合稳态Kalman滤波和Wiener滤波方法 | 第98-180页 |
| ·引言 | 第98-99页 |
| ·带相关观测噪声系统的加权观测融合稳态Kalman滤波和Wiener滤波算法 | 第99-120页 |
| ·集中式观测融合Kalman滤波算法和wiener滤波算法 | 第100-104页 |
| ·基于加权观测融合算法(Ⅰ)的Kalman滤波和Wiener滤波算法 | 第104-111页 |
| ·基于加权观测融合算法(Ⅱ)的Kalman滤波和Wiener滤波算法 | 第111-116页 |
| ·基于最小二乘(WLS)算法的两种加权观测融合算法 | 第116-118页 |
| ·基于稳态Kalman滤波的两种加权观测融合Wiener状态估值器 | 第118-120页 |
| ·带相关噪声系统的加权观测融合Kalman滤波和Wiener滤波算法 | 第120-134页 |
| ·集中式观测融合Kalman滤波算法和Wiener滤波算法 | 第120-125页 |
| ·加权观测融合Kalman滤波算法和Wiener滤波算法 | 第125-131页 |
| ·基于最小二乘(WLS)算法的加权观测融合算法 | 第131-133页 |
| ·基于稳态Kalman滤波的加权观测融合wiener状态估值器 | 第133-134页 |
| ·带不同观测阵和相关观测噪声系统的降维观测融合算法 | 第134-137页 |
| ·仿真例子 | 第137-178页 |
| ·本章小结 | 第178-180页 |
| 第4章 未知噪声统计自校正加权观测融合Kalman滤波器和Wiener滤波器及其收敛性分析 | 第180-254页 |
| ·引言 | 第180-181页 |
| ·带相关观测噪声系统的自校正加权观测融合Kalman滤波和wiener滤波算法 | 第181-210页 |
| ·基于加权观测融合算法(Ⅰ)的自校正加权观测融合Kalman滤波和Wiener滤波算法1 | 第182-191页 |
| ·基于加权观测融合算法(Ⅰ)的自校正加权观测融合Kalman滤波和Wiener滤波算法2 | 第191-198页 |
| ·基于加权观测融合算法(Ⅱ)的自校正加权观测融合Kalman滤波和wiener滤波算法1 | 第198-204页 |
| ·基于加权观测融合算法(Ⅱ)的自校正加权观测融合Kalman滤波和Wiener滤波算法2 | 第204-210页 |
| ·带相关噪声系统的自校正加权观测融合Kalman滤波和wiener滤波算法 | 第210-226页 |
| ·自校正加权观测融合Kalman滤波和wiener滤波算法1 | 第211-219页 |
| ·自校正加权观测融合Kalman滤波和Wiener滤波算法2 | 第219-226页 |
| ·自校正降维观测融合Kalman滤波器和Wiener滤波器 | 第226-227页 |
| ·仿真例子 | 第227-253页 |
| ·本章小结 | 第253-254页 |
| 第5章 含未知模型参数和噪声统计的ARMA信号自校正加权观测融合wiener滤波器 | 第254-279页 |
| ·引言 | 第254页 |
| ·带白色观测噪声的多传感器系统AR信号自校正观测融合滤波器 | 第254-261页 |
| ·多传感器单通道AR信号最优观测融合Wiener滤波器 | 第255-256页 |
| ·多传感器AR信号自校正加权观测融合Wiener滤波器 | 第256-261页 |
| ·ARMA信号自校正观测融合Wiener滤波器 | 第261-270页 |
| ·多传感器ARMA信号最优加权观测融合Wiener滤波器 | 第261-263页 |
| ·多传感器ARMA信号自校正加权观测融合Wiener滤波器 | 第263-270页 |
| ·仿真例子 | 第270-278页 |
| ·本章小结 | 第278-279页 |
| 结论 | 第279-282页 |
| 参考文献 | 第282-295页 |
| 致谢 | 第295-296页 |
| 攻读博士学位期间所发表的学术论文 | 第296-303页 |
| 详细摘要 | 第303-318页 |
