| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 前言 | 第8-18页 |
| ·选题依据及研究意义 | 第8-11页 |
| ·滑坡的危害及滑坡预报的研究意义 | 第8-9页 |
| ·信息融合在滑坡预报中有着重大的理论意义和实用价值 | 第9-10页 |
| ·信息融合是信息时代智能信息处理与控制系统的发展方向 | 第10页 |
| ·信息融合用于滑坡预测预报的可行性与优越性 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·滑坡预报的研究现状 | 第11-13页 |
| ·现代估计理论的研究现状 | 第13页 |
| ·信息融合技术的研究现状 | 第13-16页 |
| ·研究内容及技术路线 | 第16-17页 |
| ·论文主要创新点 | 第17-18页 |
| 第2章 信息融合理论简介 | 第18-24页 |
| ·信息融合的定义 | 第18页 |
| ·信息融合的基本原理 | 第18-19页 |
| ·信息融合的结构模型 | 第19-22页 |
| ·检测级融合结构 | 第19页 |
| ·位置级融合结构 | 第19-21页 |
| ·目标识别级融合结构 | 第21-22页 |
| ·信息融合的算法 | 第22-23页 |
| ·随机类方法 | 第22-23页 |
| ·人工智能方法 | 第23页 |
| ·信息融合的应用领域 | 第23-24页 |
| 第3章 卡尔曼滤波在滑坡降噪处理中的应用 | 第24-35页 |
| ·卡尔曼滤波 | 第24-25页 |
| ·离散系统的卡尔曼问题分类 | 第25-26页 |
| ·卡尔曼最优平滑器 | 第26-28页 |
| ·状态方程和量测方程的建立 | 第26-27页 |
| ·卡尔曼滤波算法 | 第27页 |
| ·滤波的初始化 | 第27-28页 |
| ·卡尔曼固定区间最优平滑算法 | 第28页 |
| ·基于变维滤波算法的卡尔曼最佳平滑器 | 第28-32页 |
| ·状态方程和量测方程的建立 | 第29页 |
| ·变维滤波算法 | 第29-31页 |
| ·基于变维滤波算法的卡尔曼最佳平滑器 | 第31-32页 |
| ·基于交互多模算法的卡尔曼最佳平滑器 | 第32-35页 |
| ·状态方程和量测方程的建立 | 第32页 |
| ·交互多模算法 | 第32-34页 |
| ·基于交互多模算法的卡尔曼最佳平滑器 | 第34-35页 |
| 第4章 滑坡多点位移信息融合 | 第35-44页 |
| ·单模型多传感器信息融合 | 第35-40页 |
| ·目标跟踪 | 第35-36页 |
| ·动态系统模型 | 第36-38页 |
| ·集中式多传感器信息融合 | 第38-39页 |
| ·分布式多传感器信息融合 | 第39-40页 |
| ·多模型多传感器信息融合 | 第40-44页 |
| ·目标跟踪 | 第40页 |
| ·动态系统模型 | 第40-42页 |
| ·多传感器多模型融合估计算法 | 第42-44页 |
| 第5章 实例验证 | 第44-64页 |
| ·对降噪方法的验证 | 第44-53页 |
| ·标准卡尔曼最优平滑器 | 第46-48页 |
| ·基于变维滤波算法的卡尔曼最佳平滑器 | 第48-50页 |
| ·基于交互多模算法的卡尔曼最佳平滑器 | 第50-52页 |
| ·方法比较 | 第52-53页 |
| ·对信息融合方法的验证 | 第53-64页 |
| 第6章 结论及建议 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·建议 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |