基于网络中心战的模糊神经网络信息融合技术
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景及意义 | 第9页 |
| ·信息融合理论概述 | 第9-12页 |
| ·信息融合模型 | 第10-11页 |
| ·多传感器多目标跟踪技术 | 第11-12页 |
| ·国内外相关领域的研究进展 | 第12-13页 |
| ·本文主要的研究内容 | 第13-14页 |
| ·模糊神经网络数据关联 | 第13-14页 |
| ·分布式多传感器信息融合 | 第14页 |
| ·论文的内容安排 | 第14-15页 |
| 第2章 多传感器多目标跟踪基本理论与方法 | 第15-23页 |
| ·引言 | 第15页 |
| ·Kalman 滤波技术—离散线性系统的最优估计 | 第15-17页 |
| ·线性系统描述 | 第15-16页 |
| ·Kalman 滤波算法 | 第16-17页 |
| ·经典数据关联方法 | 第17-22页 |
| ·最近邻数据关联（NNDA） | 第18-19页 |
| ·联合概率数据关联算法（JPDA） | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 模糊神经网络数据关联 | 第23-42页 |
| ·引言 | 第23页 |
| ·模糊神经网络模型 | 第23-28页 |
| ·模糊推理模型简介 | 第24-25页 |
| ·多层前馈模糊神经网络 | 第25-27页 |
| ·多层前馈模糊神经网络的学习算法 | 第27-28页 |
| ·基于模糊神经网络的数据关联 | 第28-35页 |
| ·输入参数的设计及其性质 | 第29-30页 |
| ·基于模糊神经网络数据关联算法 | 第30-32页 |
| ·模糊神经网络训练过程 | 第32-35页 |
| ·模糊神经网络目标跟踪过程 | 第35页 |
| ·FNDA 算法仿真及与其它数据关联算法的比较 | 第35-41页 |
| ·FNDA 目标跟踪 | 第36-39页 |
| ·FNDA 与NNDA 性能比较 | 第39-40页 |
| ·FNDA 与JPDA 性能比较 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 分布式多传感器信息融合 | 第42-53页 |
| ·引言 | 第42页 |
| ·位置级信息融合结构 | 第42-43页 |
| ·分布式结构航迹关联算法及状态估计 | 第43-48页 |
| ·独立统计双门限航迹关联算法 | 第44-45页 |
| ·多传感器航迹关联算法 | 第45-46页 |
| ·分布式多传感器信息融合系统中的状态估计 | 第46-48页 |
| ·多传感器多目跟踪仿真 | 第48-52页 |
| ·仿真条件 | 第49页 |
| ·仿真过程和结果 | 第49-51页 |
| ·仿真程序流图 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
