目标跟踪时的数据融合方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 目标跟踪算法的研究现状 | 第13-15页 |
| 1.2.2 数据融合的研究现状 | 第15-16页 |
| 1.3 课题的研究内容安排 | 第16-17页 |
| 第2章 目标跟踪中的滤波理论概述 | 第17-31页 |
| 2.1 目标跟踪系统特性 | 第17-23页 |
| 2.1.1 目标跟踪模型 | 第17-20页 |
| 2.1.2 基于极坐标系的目标跟踪系统 | 第20-21页 |
| 2.1.3 基于直角坐标系的目标跟踪系统 | 第21-23页 |
| 2.2 基于卡尔曼滤波的目标跟踪算法 | 第23-29页 |
| 2.2.1 卡尔曼滤波理论 | 第23-24页 |
| 2.2.2 容积卡尔曼滤波理论 | 第24-27页 |
| 2.2.3 仿真结果与分析 | 第27-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第3章 多目标跟踪时的数据关联算法 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 模糊C均值聚类算法(FCM) | 第31-34页 |
| 3.2.1 模糊分类 | 第31-32页 |
| 3.2.2 算法基本流程 | 第32-34页 |
| 3.3 基于FCM的数据关联算法 | 第34-42页 |
| 3.3.1 多FCM数据关联算法描述 | 第34-36页 |
| 3.3.2 特征判决方法描述 | 第36-39页 |
| 3.3.3 仿真结果与分析 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 非线性多传感器融合算法研究 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 基于EKF-IF的多传感器信息融合滤波 | 第43-51页 |
| 4.2.1 算法描述 | 第43-48页 |
| 4.2.2 仿真结果与分析 | 第48-51页 |
| 4.3 基于UKF-IF的多传感器信息融合滤波 | 第51-56页 |
| 4.3.1 算法描述 | 第51-54页 |
| 4.3.2 仿真结果与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 基于数据融合的组网雷达资源管理算法 | 第57-70页 |
| 5.1 引言 | 第57页 |
| 5.2 基于协方差控制的组网雷达分配方法 | 第57-65页 |
| 5.2.1 雷达组网目标跟踪下资源分配问题描述 | 第57-60页 |
| 5.2.2 基于协方差控制的传感器管理算法 | 第60-61页 |
| 5.2.3 仿真结果与分析 | 第61-65页 |
| 5.3 基于信息增益的组网雷达选择算法 | 第65-69页 |
| 5.3.1 算法描述 | 第65-66页 |
| 5.3.2 仿真结果与分析 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 总结与展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的学位论文 | 第74-75页 |
| 致谢 | 第75页 |
