基于概率模型的运动轨迹状态估计方法及应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的及意义 | 第9-10页 |
| 1.2 状态估计理论的研究现状 | 第10-11页 |
| 1.3 滤波理论的研究现状 | 第11-13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第2章 经典贝叶斯滤波 | 第15-43页 |
| 2.1 引言 | 第15页 |
| 2.2 贝叶斯估计 | 第15-28页 |
| 2.2.1 卡尔曼滤波 | 第16-19页 |
| 2.2.2 扩展卡尔曼滤波 | 第19-21页 |
| 2.2.3 无损卡尔曼滤波 | 第21-25页 |
| 2.2.4 粒子滤波 | 第25-28页 |
| 2.3 模型的计算机仿真实现 | 第28-42页 |
| 2.3.1 一维系统模型 | 第28-33页 |
| 2.3.2 二维系统模型 | 第33-38页 |
| 2.3.3 三维系统模型 | 第38-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第3章 改进的状态估计算法 | 第43-64页 |
| 3.1 引言 | 第43页 |
| 3.2 加入三阶矩的无损卡尔曼滤波 | 第43-53页 |
| 3.2.1 理论分析 | 第43-45页 |
| 3.2.2 收敛性分析 | 第45-51页 |
| 3.2.3 计算机仿真结果 | 第51-53页 |
| 3.3 基于非线性优化的状态估计算法 | 第53-58页 |
| 3.4 基于共轭先验分布的贝叶斯滤波 | 第58-63页 |
| 3.4.1 共轭分布的建立 | 第58-60页 |
| 3.4.2 计算机仿真实现 | 第60-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第4章 状态估计算法在目标跟踪中的应用 | 第64-71页 |
| 4.1 引言 | 第64页 |
| 4.2 机动模型 | 第64-66页 |
| 4.2.1 匀速模型 | 第64-65页 |
| 4.2.2 匀加速模型 | 第65页 |
| 4.2.3 匀转弯模型 | 第65-66页 |
| 4.2.4 Singer模型 | 第66页 |
| 4.3 仿真建模 | 第66-70页 |
| 4.4 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |
