摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 多传感器数据融合理论的提出以及应用在步枪射击中的意义 | 第10-13页 |
1.2 论文主要工作和章节安排 | 第13-16页 |
第二章 步枪射击瞄准位置校正原理 | 第16-24页 |
2.1 瞄准位置偏移位移产生的原因 | 第16-17页 |
2.2 风速对瞄准位置的影响 | 第17-19页 |
2.2.1 风参数的检测 | 第17-18页 |
2.2.2 对风参数的处理模型 | 第18-19页 |
2.3 空气阻力对瞄准位置的影响 | 第19-23页 |
2.3.1 温度和湿度参数的检测 | 第20页 |
2.3.2 气压参数的检测 | 第20页 |
2.3.3 对温度、湿度和压强参数的处理模型 | 第20-23页 |
2.4 地心引力对子弹偏移位移的影响 | 第23页 |
2.5 本章小结 | 第23-24页 |
第三章 多传感器数据融合估计基本理论 | 第24-32页 |
3.1 融合估计理论的发展 | 第24-26页 |
3.2 最优估计法 | 第26-31页 |
3.2.1 建立最小二乘估计模型 | 第26-27页 |
3.2.2 加权最小二乘估计模型的建立 | 第27-28页 |
3.2.3 最小方差估计模型的建立 | 第28-29页 |
3.2.4 线性最小方差估计模型的建立 | 第29-30页 |
3.2.5 比较上述最优估计的优缺点 | 第30-31页 |
3.3 本章小结多传感器数据融合理论 | 第31-32页 |
第四章 多传感器加权融合方法的研究 | 第32-44页 |
4.1 加权平均融合方法 | 第32-35页 |
4.1.1 权值的最优分配 | 第33-34页 |
4.1.2 融合精度分析 | 第34-35页 |
4.2 动态权值加权融合方法 | 第35-36页 |
4.3 序贯动态权值加权融合方法 | 第36-38页 |
4.3.1 动态加权融合和序贯动态加权融合的融合精度分析 | 第37-38页 |
4.4 实测数据分析 | 第38-43页 |
4.5 本章小结 | 第43-44页 |
第五章 多传感器融合估计算法的研究 | 第44-60页 |
5.1 经典的卡尔曼滤波算法 | 第44-46页 |
5.1.1 离散型卡尔曼(kalman)滤波算法 | 第44-46页 |
5.1.2 卡尔曼(kalman)滤波初始值的选取 | 第46页 |
5.2 多传感器集中式卡尔曼(kalman)滤波数据融合 | 第46-47页 |
5.3 多传感器联邦卡尔曼(kalman)滤波信息融合 | 第47-49页 |
5.4 多传感器自适应卡尔曼(kalman)滤波信息融合 | 第49-50页 |
5.5 仿真实验与结果分析 | 第50-52页 |
5.6 多传感器数据融合在射击手射击瞄准位置校正仿真 | 第52-58页 |
5.6.1 射击手瞄准位置变化运动模型的建立 | 第52-53页 |
5.6.2 实例验证 | 第53-58页 |
5.7 本章小结 | 第58-60页 |
第六章 总结与展望 | 第60-64页 |
6.1 论文总结 | 第60-61页 |
6.2 本文存在不足和展望 | 第61-64页 |
致谢 | 第64-66页 |
参考文献 | 第66-72页 |
附录 攻读硕士学位期间发表论文与参与课题 | 第72页 |