基于多模型（MM）的机动目标跟踪算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的研究内容 | 第11页 |
| 1.4 本文的结构安排 | 第11-13页 |
| 第二章 机动目标跟踪的理论基础 | 第13-26页 |
| 2.1 机动目标跟踪的基本理论 | 第13页 |
| 2.2 滤波算法 | 第13-20页 |
| 2.2.1 卡尔曼滤波算法 | 第13-14页 |
| 2.2.2 扩展卡尔曼滤波算法 | 第14-15页 |
| 2.2.3 不敏卡尔曼滤波算法 | 第15-17页 |
| 2.2.4 容积卡尔曼滤波算法 | 第17-18页 |
| 2.2.5 中心差分信息滤波算法 | 第18-20页 |
| 2.3 数据关联理论 | 第20-22页 |
| 2.3.1 最近邻域法 | 第20-21页 |
| 2.3.2 概率数据关联 | 第21-22页 |
| 2.3.3 联合概率数据关联 | 第22页 |
| 2.4 多模型算法理论 | 第22-25页 |
| 2.4.1 多模型算法 | 第23-24页 |
| 2.4.2 交互式多模型算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 一种面向机动目标跟踪的IMM算法 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 IMM-EV算法 | 第26-27页 |
| 3.3 IMM-ST-EV算法 | 第27-30页 |
| 3.3.1 算法的简单推导 | 第27-29页 |
| 3.3.2 IMM-ST-EV算法主要步骤 | 第29-30页 |
| 3.4 仿真结果及分析 | 第30-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 具有模型概率修正的新颖IMMPDA算法 | 第35-44页 |
| 4.1 引言 | 第35页 |
| 4.2 模型概率修正操作 | 第35-36页 |
| 4.3 M-SIMMPDA算法 | 第36-38页 |
| 4.4 仿真结果及分析 | 第38-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 适于非线性机动目标跟踪的新IMM平滑算法 | 第44-55页 |
| 5.1 引言 | 第44页 |
| 5.2 非线性状态增广系统 | 第44-45页 |
| 5.3 AIMMCKF算法 | 第45-48页 |
| 5.3.1 增广转换操作 | 第45-46页 |
| 5.3.2 增广容积卡尔曼滤波算法 | 第46-47页 |
| 5.3.3 AIMMCKF算法 | 第47-48页 |
| 5.4 仿真结果及分析 | 第48-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 用于多传感器机动目标跟踪的新IMM算法 | 第55-64页 |
| 6.1 引言 | 第55页 |
| 6.2 容积信息滤波算法 | 第55-56页 |
| 6.3 DIMMCIF和SIMMCIF算法 | 第56-57页 |
| 6.3.1 全局信息融合 | 第56页 |
| 6.3.2 DIMMCIF算法 | 第56-57页 |
| 6.3.3 SIMMCIF算法 | 第57页 |
| 6.4 仿真结果及分析 | 第57-63页 |
| 6.5 本章小结 | 第63-64页 |
| 第七章 结论与展望 | 第64-66页 |
| 主要结论 | 第64-65页 |
| 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录: 作者在攻读硕士学位期间完成的论文 | 第70页 |
