| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·引言 | 第8页 |
| ·问题的来源 | 第8-9页 |
| ·ATC系统多雷达数据处理和误差配准 | 第9-10页 |
| ·目前多雷达处理中误差配准的发展状况 | 第10页 |
| ·本文所做的工作 | 第10-12页 |
| 第二章 数据融合理论和误差配准问题 | 第12-21页 |
| ·数据融合理论 | 第12-16页 |
| ·基本原理 | 第12-13页 |
| ·ATC系统数据融合的结构模型和融合级别 | 第13-15页 |
| ·位置级融合的常用方法 | 第15-16页 |
| ·误差配准问题的提出 | 第16-20页 |
| ·空间配准的三类方法 | 第20-21页 |
| 第三章 常用多传感器空间配准方法介绍 | 第21-33页 |
| ·配准问题的数学表示 | 第22-23页 |
| ·几种配准方法的分析与比较 | 第23-30页 |
| ·实时质量控制法(RTQC) | 第23-24页 |
| ·最小二乘法(LS) | 第24-25页 |
| ·最大似然法(ML) | 第25-27页 |
| ·广义最小二乘法(GLS) | 第27-28页 |
| ·修正的最小二乘算法(MLS) | 第28-30页 |
| ·几种算法的分析与比较 | 第30-33页 |
| 第四章 人工神经网络误差配准算法 | 第33-56页 |
| ·神经网络的雷达配准原理 | 第34-36页 |
| ·神经网络选取 | 第36-37页 |
| ·有偏差单元的递归神经网络的误差反向传播学习规则的推导 | 第37-42页 |
| ·神经网络算法的仿真实现 | 第42-46页 |
| ·仿真环境 | 第42-43页 |
| ·神经网络规模的确定和权值选取 | 第43-44页 |
| ·训练样本和训练场景的选取 | 第44-46页 |
| ·仿真结果分析 | 第46-56页 |
| 结束语 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-60页 |