| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12页 |
| 1.2 机动目标跟踪理论基础 | 第12-14页 |
| 1.3 机动目标跟踪研究现状 | 第14-17页 |
| 1.3.1 状态估计算法 | 第14-15页 |
| 1.3.2 机动目标建模 | 第15页 |
| 1.3.3 多模型算法 | 第15-16页 |
| 1.3.4 数据关联技术 | 第16页 |
| 1.3.5 跟踪性能指标体系 | 第16-17页 |
| 1.4 本论文研究重点、创新点及章节安排 | 第17-19页 |
| 1.4.1 论文的创新点 | 第17页 |
| 1.4.2 论文章节安排 | 第17-19页 |
| 2 基于Elman神经网络的机动目标在线优化反馈滤波算法 | 第19-37页 |
| 2.1 引言 | 第19页 |
| 2.2 机动目标跟踪滤波算法 | 第19-22页 |
| 2.2.1 卡尔曼滤波算法 | 第20-21页 |
| 2.2.2 无迹卡尔曼滤波算法 | 第21-22页 |
| 2.3 机动目标的运动模型 | 第22-25页 |
| 2.3.1 CA模型 | 第22页 |
| 2.3.2 Singer模型 | 第22-23页 |
| 2.3.3 CT模型 | 第23-24页 |
| 2.3.4 交互多模型 | 第24-25页 |
| 2.4 Elman神经网络 | 第25-27页 |
| 2.4.1 网络结构 | 第25-26页 |
| 2.4.2 算法原理 | 第26-27页 |
| 2.5 基于Elman神经网络的在线优化反馈滤波算法 | 第27-30页 |
| 2.5.1 机动目标偏差建模 | 第27-28页 |
| 2.5.2 在线优化反馈设计 | 第28页 |
| 2.5.3 滤波算法设计 | 第28-30页 |
| 2.6 实验及结果分析 | 第30-35页 |
| 2.6.1 收敛性与无偏性 | 第31-32页 |
| 2.6.2 机动形式的适应性 | 第32-34页 |
| 2.6.3 随机误差的适应性 | 第34-35页 |
| 2.7 本章小结 | 第35-37页 |
| 3. 基于Elman神经网络的紧耦合跟踪滤波算法 | 第37-51页 |
| 3.1 引言 | 第37页 |
| 3.2 机动目标优化滤波算法 | 第37-39页 |
| 3.2.1 检测自适应滤波算法 | 第37-38页 |
| 3.2.2 优化状态估计滤波算法 | 第38-39页 |
| 3.3 紧耦合模型 | 第39-41页 |
| 3.3.1 基本原理 | 第39-40页 |
| 3.3.2 结构设计 | 第40-41页 |
| 3.4 基于Elman神经网络的紧耦合跟踪滤波算法 | 第41-44页 |
| 3.4.1 机动目标系统模型 | 第41页 |
| 3.4.2 基于UKF的紧耦合设计 | 第41-42页 |
| 3.4.3 滤波算法设计 | 第42-44页 |
| 3.5 实验及结果分析 | 第44-50页 |
| 3.5.1 收敛性与效率 | 第45-46页 |
| 3.5.2 机动形式的适应性 | 第46-48页 |
| 3.5.3 随机误差的适应性 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 4. 基于紧耦合模型的在线机动多目标跟踪算法 | 第51-63页 |
| 4.1 引言 | 第51页 |
| 4.2 数据关联基本原理 | 第51-53页 |
| 4.2.1 关联门的设计 | 第51-53页 |
| 4.2.2 关联矩阵的设计 | 第53页 |
| 4.2.3 关联度的赋值 | 第53页 |
| 4.3 数据关联算法 | 第53-56页 |
| 4.3.1 最近邻数据关联算法 | 第53页 |
| 4.3.2 概率数据关联算法 | 第53-54页 |
| 4.3.3 联合概率数据关联 | 第54-56页 |
| 4.4 基于紧耦合模型的机动多目标跟踪滤波算法 | 第56-60页 |
| 4.4.1 机动多目标系统模型 | 第56页 |
| 4.4.2 紧耦合数据关联设计 | 第56-57页 |
| 4.4.3 跟踪滤波算法设计 | 第57-60页 |
| 4.5 实验及结果分析 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5. 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
