| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景与意义 | 第9-10页 |
| ·多传感器信息融合估计的发展概况 | 第10-11页 |
| ·时滞系统融合估计的发展概况 | 第11-12页 |
| ·预备知识 | 第12-17页 |
| ·射影理论 | 第13-15页 |
| ·三种最优加权信息融合估计算法 | 第15-17页 |
| ·主要研究内容 | 第17-18页 |
| 第2章 带观测常时滞多传感器系统的分布式融合状态估值器 | 第18-41页 |
| ·引言 | 第18页 |
| ·问题描述 | 第18-19页 |
| ·模型转化 | 第19-20页 |
| ·局部最优 Kalman 估值器 | 第20-26页 |
| ·任两个子系统之间的估计误差互协方差阵计算 | 第26-31页 |
| ·多传感器分布式加权最优信息融合 Kalman 估值器 | 第31-33页 |
| ·状态增广法 | 第33-34页 |
| ·仿真分析 | 第34-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 带随机无序航迹的多传感器系统分布式融合预报器 | 第41-59页 |
| ·引言 | 第41页 |
| ·问题描述 | 第41-42页 |
| ·局部最优稳态 Kalman 预报器 | 第42-43页 |
| ·协方差交集算法（CI 算法） | 第43-48页 |
| ·问题描述 | 第43-44页 |
| ·协方差交集算法 | 第44-46页 |
| ·权系数 的选取 | 第46-48页 |
| ·仿真分析 | 第48-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 带随机无序观测多传感器系统的分布式融合状态估值器 | 第59-83页 |
| ·引言 | 第59页 |
| ·问题描述 | 第59-61页 |
| ·局部最优 Kalman 估值器 | 第61-65页 |
| ·任两个子系统之间的估计误差互协方差阵计算 | 第65-69页 |
| ·多传感器分布式加权最优信息融合 Kalman 估值器 | 第69-70页 |
| ·状态增广法 | 第70-71页 |
| ·集中式信息融合滤波器 | 第71-73页 |
| ·仿真分析 | 第73-81页 |
| ·本章小结 | 第81-83页 |
| 结论 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90页 |
