| 第一章 绪论 | 第1-12页 |
| 1．1 引言 | 第6-7页 |
| 1．2 国内外发展概况 | 第7-10页 |
| 1．3 本文研究背景 | 第10-11页 |
| 1．4 本文工作简介 | 第11页 |
| 1．5 本章小结 | 第11-12页 |
| 第二章 多传感器数据融合的模型与算法 | 第12-22页 |
| 2．1 多传感器信息融合的基本框架 | 第12-14页 |
| 2．2 多传感器信息融合的体系结构 | 第14-17页 |
| 2．3 多传感器数据融合算法 | 第17-21页 |
| 2．4 多传感器数据融合的优缺点 | 第21页 |
| 2．5 本章小结 | 第21-22页 |
| 第三章 基础知识 | 第22-37页 |
| 3．1 小波分析理论基础 | 第22-30页 |
| 3．1．1 连续小波变换 | 第22-24页 |
| 3．1．2 多尺度分析 | 第24-27页 |
| 3．1．3 Mallat算法 | 第27-30页 |
| 3．2 状态估计理论基础 | 第30-36页 |
| 3．2．1 预备知识 | 第31-32页 |
| 3．2．2 离散系统卡尔曼滤波问题的分类 | 第32-33页 |
| 3．2．3 离散系统卡尔曼最优预测基本方程 | 第33-35页 |
| 3．2．4 离散系统卡尔曼最优滤波基本方程 | 第35-36页 |
| 3．3 本章小结 | 第36-37页 |
| 第四章 多尺度递归状态融合估计 | 第37-51页 |
| 4．1 引言 | 第37-38页 |
| 4．2 系统描述 | 第38-39页 |
| 4．3 线性系统多尺度模型的建立 | 第39-42页 |
| 4．4 多尺度状态融合估计算法 | 第42-47页 |
| 4．5 仿真实验 | 第47-49页 |
| 4．6 本章小结 | 第49-51页 |
| 第五章 基于Daubechies 4小波的数据融合 | 第51-64页 |
| 5．1 引言 | 第51-52页 |
| 5．2 系统描述 | 第52-53页 |
| 5．3 线性系统的多尺度建模 | 第53-56页 |
| 5．4 多尺度状态融合估计 | 第56-60页 |
| 5．5 仿真实验 | 第60-62页 |
| 5．6 本章小结 | 第62-64页 |
| 第六章 基于多尺度测量预处理的数据融合 | 第64-74页 |
| 6．1 引言 | 第64-65页 |
| 6．2 系统描述 | 第65页 |
| 6．3 信号的多尺度表示 | 第65-66页 |
| 6．4 基于小波变换的多尺度测量预处理 | 第66-68页 |
| 6．5 基于多传感器多尺度测量预处理的信号去噪方法 | 第68-69页 |
| 6．6 仿真实例 | 第69-73页 |
| 6．7 本章小结 | 第73-74页 |
| 第七章 结束语 | 第74-76页 |
| 7．1 论文工作总结 | 第74-75页 |
| 7．2 展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 攻读硕士学位期间发表与完成论文情况 | 第79页 |
| 攻读硕士学位期间主要参加项目 | 第79页 |
| 攻读硕士学位期间获奖情况 | 第79页 |