多传感器数据融合及其在潜艇目标识别中的应用
| 第1章 绪论 | 第1-19页 |
| ·引言 | 第7-8页 |
| ·数据融合的定义和潜在能力 | 第8-10页 |
| ·数据融合研究在潜艇目标识别中的意义 | 第10-12页 |
| ·数据融合技术在军事和民用中的应用 | 第12-14页 |
| ·信息融合的军用领域 | 第12-13页 |
| ·信息融合的民用领域 | 第13-14页 |
| ·数据融合及其在潜艇目标识别中的研究现状 | 第14-17页 |
| ·本论文所做的研究工作 | 第17-19页 |
| 第2章 多传感器数据融合技术的概述 | 第19-34页 |
| ·引言 | 第19页 |
| ·基本概念和融合原理 | 第19-20页 |
| ·数据融合系统功能的通用模型 | 第20-21页 |
| ·数据融合的结构级别 | 第21-25页 |
| ·数据级融合 | 第22-23页 |
| ·特征级融合 | 第23-24页 |
| ·决策级融合 | 第24-25页 |
| ·数据融合技术 | 第25-27页 |
| ·数据融合的主要内容 | 第27-34页 |
| ·数据融合的体系结构 | 第27-30页 |
| ·数据关联 | 第30-31页 |
| ·状态估计 | 第31页 |
| ·身份估计 | 第31-32页 |
| ·态势评估和威胁评估 | 第32页 |
| ·辅助决策 | 第32页 |
| ·传感器管理 | 第32-34页 |
| 第3章 数据融合的目标识别技术 | 第34-51页 |
| ·目标识别算法分类 | 第34-35页 |
| ·基于BAYES推理的多传感器目标识别算法 | 第35-37页 |
| ·Bayes推理的基本原理 | 第35页 |
| ·信息融合中的Bayes推理 | 第35-37页 |
| ·DEMPSTER—SHAFER证据推理方法 | 第37-42页 |
| ·证据理论的基本概念 | 第37-40页 |
| ·Dempster组合规则 | 第40-41页 |
| ·证据理论的决策准则 | 第41页 |
| ·D-S融合处理 | 第41-42页 |
| ·目标识别身份融合的最佳方法 | 第42-45页 |
| ·传感器报告 | 第42-43页 |
| ·方法阐述 | 第43-45页 |
| ·神经网络目标识别算法 | 第45-51页 |
| ·人工神经网络研究与发展 | 第45-46页 |
| ·神经网络的基本原理 | 第46-48页 |
| ·人工神经网络的互连模式 | 第48-49页 |
| ·后向传播(BP)神经网络模型 | 第49-51页 |
| ·神经网络的学习方式 | 第51页 |
| 第4章 潜艇目标的特征提取及其目标识别 | 第51-60页 |
| ·目标特征提取的概念 | 第51-53页 |
| ·特征的特点 | 第51-52页 |
| ·特征的分类 | 第52页 |
| ·特征提取的步骤 | 第52-53页 |
| ·类别可分离性判据 | 第53-54页 |
| ·潜艇目标的特征提取及所应用的传感器 | 第54-57页 |
| ·实例分析 | 第57-60页 |
| ·目标身份融合 | 第57-58页 |
| ·神经网络潜艇目标识别 | 第58-59页 |
| ·几种目标识别方法的比较 | 第59-60页 |
| 第5章 结论与展望 | 第60-62页 |
| ·结论 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
