| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题的研究背景以及意义 | 第11页 |
| 1.2 课题中的主要技术以及国内外研究现状 | 第11-14页 |
| 1.2.1 自适应滤波技术 | 第11-12页 |
| 1.2.2 机动目标建模理论 | 第12-13页 |
| 1.2.3 跟踪系统的具体结构 | 第13-14页 |
| 1.3 论文的研究内容以及章节安排 | 第14-15页 |
| 第二章 机动目标跟踪中的非线性滤波技术 | 第15-29页 |
| 2.1 机动目标跟踪的基本原理 | 第15-16页 |
| 2.2 扩展卡尔曼滤波（EKF） | 第16-18页 |
| 2.2.1 扩展卡尔曼滤波的基本理论 | 第16页 |
| 2.2.2 扩展卡尔曼滤波算法的具体步骤 | 第16-18页 |
| 2.2.3 扩展卡尔曼滤波的局限性分析 | 第18页 |
| 2.3 无迹卡尔曼滤波（UKF） | 第18-21页 |
| 2.3.1 UT变换 | 第18-19页 |
| 2.3.2 无迹卡尔曼滤波算法的具体步骤 | 第19-21页 |
| 2.3.3 UKF算法的特点 | 第21页 |
| 2.4 容积卡尔曼滤波（CKF） | 第21-25页 |
| 2.4.1 容积卡尔曼滤波理论分析 | 第21-23页 |
| 2.4.2 CKF算法的具体步骤 | 第23-25页 |
| 2.5 EKF、UKF以及CKF的仿真以及性能比较 | 第25-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 机动目标建模及主要模型性能对比 | 第29-46页 |
| 3.1 匀速（CV）模型 | 第29-30页 |
| 3.2 匀加速（CA）模型 | 第30页 |
| 3.3 机动目标转弯模型 | 第30-31页 |
| 3.4 当前统计模型 | 第31-36页 |
| 3.4.1 时间相关模型的理论分析 | 第31-32页 |
| 3.4.2 当前统计模型理论分析 | 第32-35页 |
| 3.4.3 当前统计模型中的自适应卡尔曼滤波算法 | 第35-36页 |
| 3.5 Jerk模型 | 第36-40页 |
| 3.6 机动目标跟踪中主要模型的性能对比 | 第40-42页 |
| 3.7 改进的当前统计模型 | 第42-45页 |
| 3.7.1 当前统计模型的局限性分析 | 第42页 |
| 3.7.2 当前统计模糊自适应算法 | 第42-43页 |
| 3.7.3 实验仿真 | 第43-45页 |
| 3.8 本章小结 | 第45-46页 |
| 第四章 变结构多模型算法用于机动目标跟踪的研究 | 第46-72页 |
| 4.1 交互式多模型机动目标跟踪算法 | 第46-52页 |
| 4.1.1 交互式多模型算法的基本原理 | 第46-47页 |
| 4.1.2 交互式多模型算法的具体步骤 | 第47-49页 |
| 4.1.3 实验仿真 | 第49-51页 |
| 4.1.4 固定结构的多模型算法的局限性 | 第51-52页 |
| 4.2 变结构多模型算法的主要思想 | 第52-53页 |
| 4.3 模型群切换（MGS）算法 | 第53-58页 |
| 4.3.1 MGS算法的理论基础 | 第53页 |
| 4.3.2 MGS算法的整体模型集合设计 | 第53-54页 |
| 4.3.3 MGS算法的模型群设计 | 第54-55页 |
| 4.3.4 MGS算法的自适应策略 | 第55-56页 |
| 4.3.5 MGS算法的具体步骤 | 第56-58页 |
| 4.4 可能模型集（LMS）算法 | 第58-62页 |
| 4.4.1 LMS算法的基本理论 | 第58-59页 |
| 4.4.2 LMS算法的自适应策略 | 第59页 |
| 4.4.3 LMS算法的具体步骤 | 第59-60页 |
| 4.4.4 LMS算法与IMM算法的仿真对比 | 第60-62页 |
| 4.5 自适应网格（AG）算法 | 第62-66页 |
| 4.5.1 AGIMM算法的自适应策略 | 第63-65页 |
| 4.5.2 AGIMM算法与IMM算法的仿真对比 | 第65-66页 |
| 4.6 期望模式扩充（EMA）算法 | 第66-70页 |
| 4.6.1 EMA算法的理论基础 | 第66-67页 |
| 4.6.2 EMA算法的模型集的拓扑演变规律 | 第67-68页 |
| 4.6.3 EMA算法的具体步骤 | 第68-69页 |
| 4.6.4 EMA算法与IMM算法的仿真对比 | 第69-70页 |
| 4.7 本章小结 | 第70-72页 |
| 第五章 改进的变结构多模型算法用于机动目标跟踪的研究 | 第72-83页 |
| 5.1 强跟踪期望模式扩充（ST-EMA）算法 | 第72-78页 |
| 5.1.1 强跟踪滤波器 | 第72-74页 |
| 5.1.2 ST-EMA算法的主要思想 | 第74页 |
| 5.1.3 ST-EMA算法的具体步骤 | 第74-75页 |
| 5.1.4 实验仿真 | 第75-76页 |
| 5.1.5 ST-EMA算法的进一步研究 | 第76-78页 |
| 5.2 引入期望模式扩充思想的可能模型集算法 | 第78-82页 |
| 5.2.1 EMA-LMS算法的主要思想 | 第78-79页 |
| 5.2.2 EMA-LMS算法的具体步骤 | 第79-80页 |
| 5.2.3 实验仿真 | 第80-82页 |
| 5.3 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-86页 |
| 6.1 总结 | 第83-84页 |
| 6.2 展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 攻读硕士期间取得的研究成果 | 第90-91页 |