| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景与研究意义 | 第10-11页 |
| ·雷达/红外传感器融合跟踪算法体系的研究方向和现状 | 第11-15页 |
| ·时空配准算法 | 第11-12页 |
| ·数据关联算法 | 第12页 |
| ·数据融合算法 | 第12-14页 |
| ·跟踪滤波算法 | 第14-15页 |
| ·本文主要研究内容和结构 | 第15-17页 |
| 第二章 多目标概率假设密度滤波 | 第17-27页 |
| ·贝叶斯滤波 | 第17-20页 |
| ·单目标贝叶斯滤波递推方程 | 第17-18页 |
| ·多目标贝叶斯滤波递推方程 | 第18-19页 |
| ·多目标贝叶斯滤波在算法实现上的问题 | 第19-20页 |
| ·多目标跟踪系统中的RFS 模型 | 第20-21页 |
| ·多目标PHD 滤波 | 第21-25页 |
| ·多目标状态的统计矩密度 | 第22-23页 |
| ·多目标状态PHD | 第23-24页 |
| ·PHD 滤波递推方程 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 线性高斯多目标跟踪滤波算法 | 第27-44页 |
| ·线性高斯多目标单传感器跟踪系统模型 | 第27-28页 |
| ·线性高斯多目标单传感器PHD 滤波方程解析表达 | 第28-30页 |
| ·数学引理 | 第28页 |
| ·PHD 滤波方程解析表达式 | 第28-30页 |
| ·KF 算法 | 第30-32页 |
| ·KF 算法原理 | 第30-31页 |
| ·KF 滤波算法流程 | 第31-32页 |
| ·线性高斯多目标跟踪PHD 滤波算法实现 | 第32-37页 |
| ·仿真及分析 | 第37-43页 |
| ·仿真条件 | 第37-39页 |
| ·仿真结果及分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 非线性高斯多目标跟踪滤波算法 | 第44-65页 |
| ·非线性高斯多目标单传感器跟踪系统模型 | 第44-45页 |
| ·EKF 算法 | 第45-47页 |
| ·EKF 算法原理 | 第45-46页 |
| ·EKF 滤波算法流程 | 第46-47页 |
| ·基于EKF 扩展的GMPHD 滤波算法 | 第47-50页 |
| ·UKF 算法 | 第50-54页 |
| ·UT 变换 | 第50-51页 |
| ·UKF 算法 | 第51-53页 |
| ·UKF 算法流程 | 第53-54页 |
| ·基于UKF 扩展的GMPHD 滤波算法 | 第54-58页 |
| ·算法仿真 | 第58-64页 |
| ·仿真条件 | 第58-59页 |
| ·仿真结果及分析 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 雷达/红外序贯融合多目标跟踪滤波算法 | 第65-78页 |
| ·雷达/红外集中式序贯融合滤波方法 | 第65-66页 |
| ·基于雷达/红外序贯融合的多目标跟踪滤波算法 | 第66-72页 |
| ·雷达/红外序贯融合的PHD 滤波递推方程 | 第66-67页 |
| ·雷达/红外序贯融合多目标PHD 滤波算法实现 | 第67-72页 |
| ·算法仿真 | 第72-77页 |
| ·仿真条件 | 第72-73页 |
| ·仿真结果及分析 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 结束语 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻硕期间取得的研究成果 | 第83-84页 |