| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 引言 | 第11页 |
| 1.2 课题背景及研究意义 | 第11-14页 |
| 1.3 信息融合技术研究的历史与现状 | 第14-16页 |
| 1.4 多传感器信息融合技术概述 | 第16-18页 |
| 1.4.1 多传感器信息融合的方式 | 第16页 |
| 1.4.2 多传感器信息融合的方法 | 第16-17页 |
| 1.4.3 多传感器信息融合的结构 | 第17-18页 |
| 1.5 目前存在的不足 | 第18-19页 |
| 1.6 本文研究工作与各章节安排 | 第19-21页 |
| 参考文献 | 第21-24页 |
| 第二章 多尺度系统理论 | 第24-39页 |
| 2.1 引言 | 第24页 |
| 2.2 小波变换理论 | 第24-31页 |
| 2.2.1 连续小波变换 | 第24-26页 |
| 2.2.2 离散小波变换 | 第26-27页 |
| 2.2.3 多尺度分析 | 第27-29页 |
| 2.2.4 Mallat 算法 | 第29-31页 |
| 2.3 多尺度系统理论 | 第31-36页 |
| 2.3.1 多尺度系统表示 | 第31-34页 |
| 2.3.2 二叉树上的系统 | 第34页 |
| 2.3.3 状态空间的实现 | 第34-36页 |
| 2.4 本章小结 | 第36-37页 |
| 参考文献 | 第37-39页 |
| 第三章 多传感器线性最小方差最优信息融合新算法 | 第39-63页 |
| 3.1 引言 | 第39页 |
| 3.2 统一的最优线性信息融合准则 | 第39-48页 |
| 3.2.1 统一的线性融合模型 | 第39-41页 |
| 3.2.2 统一模型的相互关系 | 第41-42页 |
| 3.2.3 一个选择性的分布式融合结构 | 第42-43页 |
| 3.2.4 统一的最优融合规则 | 第43-48页 |
| 3.3 线性最小方差最优加权信息融合准则 | 第48-53页 |
| 3.3.1 矩阵加权最优信息融合估计算法 | 第48-50页 |
| 3.3.2 标量加权最优信息融合估计算法 | 第50-52页 |
| 3.3.3 对角阵加权最优信息融合估计算法 | 第52-53页 |
| 3.4 新的修正加权最优信息融合估计算法 | 第53-56页 |
| 3.5 仿真及性能分析 | 第56-60页 |
| 3.6 本章小结 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 第四章 子波域信息融合 | 第63-96页 |
| 4.1 引言 | 第63-64页 |
| 4.2 子波域多尺度滤波 | 第64-71页 |
| 4.2.1 单尺度分解 | 第65页 |
| 4.2.2 多尺度分解 | 第65-70页 |
| 4.2.3 单传感器多尺度滤波算法 | 第70-71页 |
| 4.3 子波域多传感器信息融合 | 第71-79页 |
| 4.3.1 子波域多传感器并行统一线性加权最优融合准则 | 第72-77页 |
| 4.3.2 子波域多传感器按修正加权最优融合估计准则 | 第77-79页 |
| 4.4 新算法的Crame-Rao 下界的性能分析 | 第79-81页 |
| 4.5 仿真及性能分析 | 第81-91页 |
| 4.6 本章小结 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 第五章 信息融合软件包 | 第96-103页 |
| 5.1 软件包概述 | 第96-97页 |
| 5.1.1 综述 | 第96页 |
| 5.1.2 软件包特点 | 第96-97页 |
| 5.1.3 软件包的系统要求 | 第97页 |
| 5.2 软件包框架 | 第97-99页 |
| 5.3 算法描述 | 第99页 |
| 5.4 统计特性 | 第99-100页 |
| 5.5 程序演示 | 第100-103页 |
| 第六章 总结与展望 | 第103-106页 |
| 6.1 论文工作总结 | 第103-104页 |
| 6.2 研究展望 | 第104-106页 |
| 致谢 | 第106-107页 |
| 攻读硕士学位期间发表的学术论文 | 第107-108页 |
| 攻读硕士学位期间申请的国家发明专利 | 第108页 |
