| 中文摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第16-34页 |
| 1.1 课题研究背景及意义 | 第16-18页 |
| 1.2 传感器网络概述 | 第18-24页 |
| 1.2.1 传感器网络的概念及结构 | 第18-20页 |
| 1.2.2 传感器网络的特点和常见的状态估计问题 | 第20-21页 |
| 1.2.3 传感器网络系统中状态估计问题的研究现状 | 第21-24页 |
| 1.3 多传感器信息融合技术的研究概况 | 第24-32页 |
| 1.3.1 信息融合的主要方法 | 第25-28页 |
| 1.3.2 信息融合的结构 | 第28-30页 |
| 1.3.3 多传感器信息融合状态估计的研究现状 | 第30-32页 |
| 1.4 主要研究内容 | 第32-34页 |
| 第2章 具有网络约束传感器网络的分布式融合估计 | 第34-45页 |
| 2.1 引言 | 第34页 |
| 2.2 问题的阐述 | 第34-35页 |
| 2.3 具有网络约束传感器网络分布式融合估计算法设计 | 第35-42页 |
| 2.3.1 量化分布式融合准最优无偏线性估计滤波器 | 第35-38页 |
| 2.3.2 极小化宽带调度 | 第38-39页 |
| 2.3.3 多维情况 | 第39-42页 |
| 2.4 仿真研究 | 第42-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第3章 具有乘性噪声和丢包传感器网络系统的融合估计 | 第45-65页 |
| 3.1 引言 | 第45页 |
| 3.2 加权观测融合估计算法设计 | 第45-51页 |
| 3.2.1 问题的阐述 | 第45-46页 |
| 3.2.2 加权观测融合估值器 | 第46-49页 |
| 3.2.3 加权观测融合与集中式融合的功能等价性 | 第49-51页 |
| 3.3 基于概率的分布式融合估计算法 | 第51-58页 |
| 3.3.1 局部单传感器子系统的估值器 | 第51-52页 |
| 3.3.2 分布式信息融合估值器 | 第52-55页 |
| 3.3.3 稳态估值器 | 第55-58页 |
| 3.4 仿真研究 | 第58-64页 |
| 3.5 本章小结 | 第64-65页 |
| 第4章 具有丢包补偿传感器网络系统的融合估计 | 第65-85页 |
| 4.1 引言 | 第65页 |
| 4.2 问题的阐述 | 第65-67页 |
| 4.3 分布式最优线性估值器 | 第67-75页 |
| 4.3.1 局部线性最优滤波器 | 第67-69页 |
| 4.3.2 局部线性最优预报器和平滑器 | 第69-71页 |
| 4.3.3 多传感器分布式信息融合估值器 | 第71-75页 |
| 4.4 集中式信息融合估值器 | 第75-79页 |
| 4.5 仿真研究 | 第79-84页 |
| 4.6 本章小结 | 第84-85页 |
| 第5章 具有带宽约束和丢包传感器网络系统的加权观测融合量化滤波器 | 第85-94页 |
| 5.1 引言 | 第85页 |
| 5.2 问题的阐述 | 第85-86页 |
| 5.3 加权观测量化Kalman滤波 | 第86-91页 |
| 5.3.1 量化和带宽分配 | 第86-87页 |
| 5.3.2 两种加权观测量化Kalman滤波算法 | 第87-90页 |
| 5.3.3 多维观测情况 | 第90-91页 |
| 5.4 仿真研究 | 第91-93页 |
| 5.5 本章小结 | 第93-94页 |
| 结论 | 第94-96页 |
| 参考文献 | 第96-104页 |
| 致谢 | 第104-105页 |
| 攻读学位期间发表的学术论文 | 第105页 |
