文摘
英文文摘
第1章绪论
1.1逆问题背景及其分类
1.2完全重构逆问题
1.3多传感器数据融合技术
1.4多尺度估计理论
1.5论文主要贡献
1.6论文结构安排
本章小结
第2章基础知识
2.1逆问题观测模型
2.2逆问题统计求解基础
2.3多尺度信号处理基础
2.3.1连续小波变换
2.3.2离散小波变换
2.3.3多尺度先验模型
2.4状态估计理论基础
2.4.1离散系统卡尔曼滤波问题分类
2.4.2离散系统卡尔曼最优预测基本方程
2.4.3离散系统Kalman最优滤波基本方程
本章小结
第3章分布式数据融合
3.1多传感器数据融合效果分析
3.1.1引言
3.1.2系统描述
3.1.3两个传感器的融合
3.1.4推广到任意多个传感器的情况
3.1.5仿真实验
3.2多传感器次优KALMAN滤波器及融合效果评价
3.2.1系统描述
3.2.2多传感器最优融合估计
3.2.3多传感器次优Kalman滤波器
3.2.4相对误差协方差矩阵
3.2.5算法所需的计算量分析
3.2.6仿真实验
本章小结
第4章线性逆问题求解的多尺度降阶模型
4.1多元观测逆问题求解的多尺度降价模型
4.1.1引言
4.1.2观测系统描述
4.1.3信号x的多尺度分解
4.1.4观测系统的多尺度变换
4.1.5多尺度最大后验随机逆算法
4.2求解线性逆问题的多尺度降阶模型
4.2.1基于相对误差协方差矩阵的降阶模型
4.2.2降阶模型算法所需的计算量分析
4.2.3仿真实验
本章小结
第5章多源观测逆问题的多尺度分布式求解算法
5.1多源观测逆问题的多尺度分布式分层求解算法
5.1.1目标信号x和观测数据zi的多尺度变换
5.1.2目标信号的小波系数和最粗尺度系数基于各传感器的局部估计
5.1.3目标信号的小波系数和最粗尺度系数的局部估计值的分层融合
5.1.4目标信号基于全局信息的融合估计
5.1.5融合效果分析
5.1.6算法所需的计算量分析
5.1.7仿真实验
本章小结
结论和展望
致谢
参考文献
攻读硕士学位期间发表与完成论文情况
攻读硕士学位期间主要参加项目
攻读硕士学位期间获奖情况
攻读硕士学位期间参加对外交流情况