多传感器数据关联与状态跟踪算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·多目标跟踪研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文研究的主要内容 | 第14-15页 |
| ·论文结构和内容安排 | 第15-16页 |
| 第2章 传感器测量模型 | 第16-22页 |
| ·传感器测量误差来源 | 第16-18页 |
| ·传感器测量噪声 | 第16-17页 |
| ·传感器测量偏差 | 第17-18页 |
| ·变换配准误差 | 第18页 |
| ·传感器测量模型 | 第18-20页 |
| ·笛卡尔坐标系下分析 | 第19页 |
| ·球坐标系下分析 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第3章 多目标数据关联 | 第22-42页 |
| ·数据关联问题描述 | 第22-26页 |
| ·数据关联算法分析 | 第26-32页 |
| ·最近邻算法原理 | 第26-28页 |
| ·全局最近邻算法原理 | 第28-29页 |
| ·概率数据关联原理 | 第29-32页 |
| ·改进全局最近邻算法 | 第32-35页 |
| ·关联性能对比分析 | 第35-37页 |
| ·多个关联算法的融合 | 第37-39页 |
| ·测量偏差估计 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 目标运动状态估计 | 第42-54页 |
| ·卡尔曼滤波及其改进 | 第42-45页 |
| ·线性卡尔曼滤波算法 | 第42-44页 |
| ·扩展卡尔曼滤波算法 | 第44-45页 |
| ·贝叶斯估计 | 第45-47页 |
| ·粒子滤波 | 第47-48页 |
| ·状态估计算法性能对比分析 | 第48-51页 |
| ·测量偏差下的状态估计算法改进 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 多传感器航迹融合 | 第54-64页 |
| ·多传感器的优势 | 第54-55页 |
| ·多传感器融合模型 | 第55-56页 |
| ·航迹均值化方法 | 第56-58页 |
| ·航迹均值化方法改进 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 第6章 总结和展望 | 第64-68页 |
| ·研究成果与创新点 | 第64-65页 |
| ·研究工作展望 | 第65-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-72页 |
| 在读期间发表的学术论文与取得的其它研究成果 | 第72页 |
