| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-15页 |
| 1.1.1 事件触发机制的研究背景与意义 | 第11-13页 |
| 1.1.2 时滞神经网络及其滤波研究背景与意义 | 第13-15页 |
| 1.2 相关研究现状与分析 | 第15-19页 |
| 1.2.1 事件触发机制的发展与研究现状 | 第15页 |
| 1.2.2 时滞神经网络的状态估计与性能滤波的研究现状 | 第15-17页 |
| 1.2.3 事件触发机制与滤波器的联合设计研究现状 | 第17-18页 |
| 1.2.4 基于事件触发机制的时滞神经网络滤波研究现状 | 第18-19页 |
| 1.3 本文的主要工作 | 第19-20页 |
| 2 具有信号量化的连续时间递归时滞神经网络的事件触发状态估计 | 第20-36页 |
| 2.1 引言 | 第20页 |
| 2.2 问题描述 | 第20-24页 |
| 2.2.1 系统描述 | 第20-21页 |
| 2.2.2 基于事件触发机制的系统模型 | 第21-24页 |
| 2.3 主要结果 | 第24-32页 |
| 2.3.1 系统稳定性分析 | 第24-28页 |
| 2.3.2 状态估计器设计 | 第28-32页 |
| 2.4 算例仿真 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 具有丢失测量的离散时滞神经网络的事件触发H￥滤波器设计 | 第36-56页 |
| 3.1 引言 | 第36页 |
| 3.2 问题描述 | 第36-41页 |
| 3.2.1 系统描述 | 第36-37页 |
| 3.2.2 基于事件触发机制的系统模型 | 第37-41页 |
| 3.3 主要结果 | 第41-49页 |
| 3.3.1 系统稳定性与H￥性能分析 | 第41-45页 |
| 3.3.2 自适应H￥滤波器设计 | 第45-49页 |
| 3.4 算例仿真 | 第49-54页 |
| 3.5 本章小结 | 第54-56页 |
| 4 具有混合时滞的离散神经网络的事件触发L_2-L_∞滤波器设计 | 第56-75页 |
| 4.1 引言 | 第56页 |
| 4.2 问题描述 | 第56-62页 |
| 4.2.1 系统描述 | 第56-57页 |
| 4.2.2 基于事件触发机制的滤波系统描述 | 第57-62页 |
| 4.3 主要结果 | 第62-67页 |
| 4.3.1 系统稳定性与L_2-L_∞性能分析 | 第62-66页 |
| 4.3.2 L_2-L_∞滤波器设计 | 第66-67页 |
| 4.4 算例仿真 | 第67-74页 |
| 4.5 本章小结 | 第74-75页 |
| 5 展望与总结 | 第75-77页 |
| 5.1 本文总结 | 第75页 |
| 5.2 研究展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 硕士期间的研究成果与项目 | 第83-84页 |
| 致谢 | 第84页 |
