摘要
第1章绪论
1.1课题的研究背景与意义
1.2多传感器信息融合技术的发展概况
1.3自校正信息融合的研究现状
1.4欠观测增量系统的研究现状
1.5预备知识
1.5.1射影理论与新息序列
1.5.2经典增量观测模型
1.5.3三种加权状态融合和观测融合算法
1.5.4收敛性分析的DESA方法
1.5.5本文主要研究内容
第2章欠观测系统基于增量模型的新的参数估计算法
2.1引言
2.2增量模型的新的参数估计算法
2.2.1增量模型下的递推辅助变量(RIV)算法
2.2.2增量模型下的递推增广最小二乘(RELS)算法
2.2.3增量模型下的两段RLS-RELS算法
2.3仿真研究
2.4本章小结
第3章单传感器欠观测系统自校正增量Kalman滤波算法
3.1引言
3.2问题阐述
3.3自校正增量Kalman滤波器
3.3.1自校正增量Kalman滤波器收敛性
3.4仿真研究
3.5本章小结
第4章多传感器欠观测系统加权融合自校正增量Kalman滤波算法
4.1引言
4.2.1按标量加权融合自校正增量Kalman滤波器及其收敛性分析
4.2.2按矩阵加权融合自校正增量Kalman滤波器及其收敛性分析
4.2.3按对角阵加权融合自校正增量Kalman滤波器及其收敛性分析
4.2.4仿真研究
4.3多传感器加权观测融合自校正增量Kalman滤波器
4.3.1加权观测融合自校正增量Kalman滤波器及其收敛性分析
4.3.2仿真研究
4.4本章小结
结论
参考文献
致谢
攻读学位期间发表论文
声明
黑龙江大学;