论文目录 | |
| 摘要 | 第1-6
页 |
| Abstract | 第6-10
页 |
| 符号表 | 第10-14
页 |
| 第一章 绪论 | 第14-18
页 |
| 第二章 传感器噪声相关时最优的卡尔曼滤波融合 | 第18-30
页 |
| · 引言 | 第18-19
页 |
| · 问题描述 | 第19-22
页 |
| · 无反馈的相关噪声分布式的卡尔曼滤波 | 第22-23
页 |
| · 有反馈的相关噪声卡尔曼滤波融合的最优性 | 第23-27
页 |
| · 有反馈的相关噪声滤波融合的整体最优性 | 第24-25
页 |
| · 局部估计误差 | 第25-26
页 |
| · 有反馈的优点 | 第26-27
页 |
| · 小结 | 第27
页 |
| · 附录 | 第27-30
页 |
| 第三章 传感器数据估计融合的最优维数压缩 | 第30-48
页 |
| · 引言 | 第30-31
页 |
| · 问题描述 | 第31-33
页 |
| · 预备知识 | 第33-35
页 |
| · 单个传感器情况下的解析解 | 第35-37
页 |
| · 多个传感器的观测不相关时的最优解 | 第37-39
页 |
| · 多个传感器的观测相关时对最优解的搜索 | 第39-42
页 |
| · 最优解的存在性 | 第39-40
页 |
| · 其他传感器的压缩矩阵给定时某个传感器最优压缩矩阵求解 | 第40-42
页 |
| · 数值例子 | 第42-46
页 |
| · 小结 | 第46-48
页 |
| 第四章 关于串联的两个传感器二元判决系统通讯方向的性能分析 | 第48-70
页 |
| · 引言 | 第48-49
页 |
| · 问题描述 | 第49-52
页 |
| · 系统模型 | 第49-50
页 |
| · 第二个传感器的贝叶斯判决区域 | 第50-51
页 |
| · 第一个传感器(融合中心)的贝叶斯判决区域 | 第51-52
页 |
| · 贝叶斯损失函数 | 第52
页 |
| · 主要定理 | 第52-60
页 |
| · 数值例子 | 第60-63
页 |
| · 小结 | 第63
页 |
| · 附录A | 第63-65
页 |
| · 附录B | 第65-70
页 |
| 第五章 在Fisher信息矩阵奇异时的最小方差有偏估计 | 第70-90
页 |
| · 引言 | 第70-71
页 |
| · 有偏的Cramér-Rao界和有偏的梯度矩阵 | 第71-73
页 |
| · 在平均的偏差限制下的统一的Cramér-Rao下界 | 第73-78
页 |
| · 平均的偏差限制为平凡的情况 | 第75-76
页 |
| · 平均的偏差限制为非平凡的情况 | 第76-78
页 |
| · 在最坏情形的偏差限制下的统一的Cramér-Rao下界 | 第78-84
页 |
| · 当S 和J 可以联合对角化时的统一的Cramér-Rao下界 | 第78-82
页 |
| · 当S是任意一个非负矩阵时的统一的Cramér-Rao下界 | 第82-84
页 |
| · 当Fisher信息矩阵奇异时线性高斯模型的最优估计 | 第84-85
页 |
| · 小结 | 第85
页 |
| · 附录 | 第85-90
页 |
| 第六章 总结展望 | 第90-92
页 |
| 参考文献 | 第92-101
页 |
| 作者攻读博士学位期间的工作目录 | 第101-104
页 |
| 致谢 | 第104
页 |
