| 第一章 绪论 | 第1-14页 |
| 1．1 引言 | 第9-10页 |
| 1．2 融合技术的产生和发展 | 第10-11页 |
| 1．3 融合技术的研究现状及应用 | 第11-12页 |
| 1．4 船舶吨位测量系统智能化的必要性 | 第12-13页 |
| 1．5 本文的结构安排 | 第13-14页 |
| 第二章 多传感器信息融合的若干问题 | 第14-23页 |
| 2．1 多传感器信息融合的功能模型 | 第14-15页 |
| 2．1．1 检测级融合 | 第14页 |
| 2．1．2 状态级融合 | 第14-15页 |
| 2．1．3 属性级融合 | 第15页 |
| 2．2 多传感器信息融合的一般算法 | 第15-17页 |
| 2．3 多传感器信息预处理 | 第17-19页 |
| 2．3．1 野点剔除 | 第18页 |
| 2．3．2 信号平滑和消除趋势项 | 第18-19页 |
| 2．4 一致性检验 | 第19-22页 |
| 2．4．1 基于u检验的假设检验法 | 第19-21页 |
| 2．4．2 基于分布图法的一致性检验 | 第21-22页 |
| 2．5 本章小结 | 第22-23页 |
| 第三章 卡尔曼滤波融合算法研究 | 第23-46页 |
| 3．1 Kalman滤波算法概述 | 第23-27页 |
| 3．1．1 Kalman滤波基本方程 | 第23-25页 |
| 3．1．2 扩展Kalman滤波 | 第25-27页 |
| 3．1．3 集中式滤波与分散式滤波 | 第27页 |
| 3．2 联邦Kalman滤波理论及自适应“信息分配”方法 | 第27-38页 |
| 3．2．1 联邦滤波的一般结构及基本融合算法 | 第28-29页 |
| 3．2．2 局部估计相关条件下的全局最优融合 | 第29-32页 |
| 3．2．3 信息分配系数的选择极其对滤波器结构的影响 | 第32-34页 |
| 3．2．4 模糊法自适应调整信息分配系数 | 第34-36页 |
| 3．2．5 联邦滤波器的容错性分析 | 第36页 |
| 3．2．6 结论及仿真 | 第36-38页 |
| 3．3 一种基于多模型Kalman滤波的分级式自适应信息融合方法 | 第38-44页 |
| 3．3．1 多模型卡尔曼滤波器方法 | 第38-39页 |
| 3．3．2 多卡尔曼滤波器模型的建立和选择 | 第39-40页 |
| 3．3．3 处理冗余信息的融合算法 | 第40-41页 |
| 3．3．4 系统工作流程 | 第41-43页 |
| 3．3．5 结论与仿真 | 第43-44页 |
| 3．4 本章小结 | 第44-46页 |
| 第四章 多传感器信息融合在船舶吨位智能测量系统中的应用初探 | 第46-62页 |
| 4．1 系统构建 | 第46-47页 |
| 4．2 声纳传感器工作原理及特性 | 第47-48页 |
| 4．3 多声纳传感器信息融合算法研究 | 第48-52页 |
| 4．3．1 单个声纳定位传感器与单个速度传感器数据的融合 | 第49-50页 |
| 4．3．2 多声纳传感器的联合Kalman滤波融合 | 第50-52页 |
| 4．4 提高系统实时性的简化算法一稳态Kalman滤波融合 | 第52-56页 |
| 4．4．1 局部滤波器中的稳态Kalman滤波 | 第52-54页 |
| 4．4．2 主滤波器中的次优稳态Kalman滤波信息融合 | 第54-56页 |
| 4．5 计算船舶吨位的算法 | 第56-58页 |
| 4．6 结论与仿真 | 第58-61页 |
| 4．6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 硕士期间发表的论文 | 第69页 |
