| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-24页 |
| ·研究背景和课题意义 | 第13-14页 |
| ·目标跟踪数据融合概述 | 第14-19页 |
| ·目标跟踪基本理论 | 第14-16页 |
| ·多传感器目标跟踪中的数据融合模型 | 第16-19页 |
| ·多传感器目标跟踪数据融合研究现状 | 第19-22页 |
| ·国外研究现状 | 第19-20页 |
| ·国内研究现状 | 第20-21页 |
| ·多传感器目标跟踪数据融合存在问题 | 第21-22页 |
| ·本文的主要研究成果 | 第22页 |
| ·论文的组织结构 | 第22-24页 |
| 第2章 多传感器目标跟踪数据融合算法 | 第24-39页 |
| ·引言 | 第24页 |
| ·非线性目标跟踪数学模型 | 第24页 |
| ·非线性跟踪滤波算法 | 第24-34页 |
| ·扩展卡尔曼滤波 | 第25-26页 |
| ·自适应卡尔曼滤波 | 第26-28页 |
| ·不敏卡尔曼滤波 | 第28-29页 |
| ·粒子滤波 | 第29-31页 |
| ·“最近邻”贝叶斯滤波算法 | 第31-32页 |
| ·多模型目标跟踪算法 | 第32-34页 |
| ·多假设跟踪算法 | 第34页 |
| ·多传感器数据融合算法 | 第34-38页 |
| ·基于权系数的数据融合方法 | 第35-36页 |
| ·雷达-红外融合跟踪算法 | 第36页 |
| ·基于模糊、神经网络的融合方法 | 第36-38页 |
| ·基于参数估计的数据融合方法 | 第38页 |
| ·基于D-S推理理论的融合方法 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于ENKF的多传感器目标跟踪数据融合算法 | 第39-69页 |
| ·引言 | 第39页 |
| ·基于ENKF的目标跟踪算法 | 第39-48页 |
| ·EnKF算法思路 | 第39页 |
| ·EnKF算法构成 | 第39-41页 |
| ·目标跟踪模型 | 第41-42页 |
| ·基于EnKF目标跟踪算法结构 | 第42-43页 |
| ·基于EnKF的多传感器目标跟踪算法 | 第43-45页 |
| ·算法分析 | 第45-47页 |
| ·EnKF存在问题 | 第47-48页 |
| ·基于ENKF的协方差加权航迹融合算法 | 第48-55页 |
| ·协方差加权航迹融合 | 第48-49页 |
| ·系统结构 | 第49-50页 |
| ·基于EnKF的协方差加权航迹融合算法 | 第50-52页 |
| ·估计误差的互协方差 | 第52-53页 |
| ·性能分析 | 第53-55页 |
| ·基于分块ENKF的非线性目标跟踪算法 | 第55-58页 |
| ·系统结构 | 第55页 |
| ·分块思想生成初始集合 | 第55-56页 |
| ·算法过程 | 第56-58页 |
| ·仿真结果及分析 | 第58-68页 |
| ·仿真参数 | 第58页 |
| ·仿真结果 | 第58-68页 |
| ·本章小结 | 第68-69页 |
| 第4章 基于改进ENPF的非线性目标跟踪算法 | 第69-84页 |
| ·引言 | 第69-70页 |
| ·算法基础 | 第70-73页 |
| ·EKPF算法 | 第70-71页 |
| ·UPF算法 | 第71-72页 |
| ·EnPF算法 | 第72-73页 |
| ·基于改进ENPF的非线性目标跟踪算法 | 第73-75页 |
| ·仿真结果及分析 | 第75-80页 |
| ·算法分析 | 第80-83页 |
| ·算法特点 | 第80-81页 |
| ·算法计算复杂度比较 | 第81页 |
| ·算法特点比较 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第5章 基于关系矩阵的主被动传感器统计融合算法 | 第84-94页 |
| ·引言 | 第84页 |
| ·非高斯观测噪声跟踪系统 | 第84-86页 |
| ·非高斯观测噪声跟踪系统研究现状 | 第84-85页 |
| ·非高斯观测噪声模型 | 第85-86页 |
| ·关系矩阵理论基础 | 第86-87页 |
| ·非高斯观测噪声下基于关系矩阵的统计融合算法 | 第87-89页 |
| ·算法思想 | 第87页 |
| ·非高斯条件下基于相关矩阵的统计融合算法 | 第87-89页 |
| ·仿真结果及分析 | 第89-93页 |
| ·本章小结 | 第93-94页 |
| 第6章 基于模糊距离阈值的主被动传感器变权重量测融合算法 | 第94-108页 |
| ·引言 | 第94页 |
| ·理论基础 | 第94-97页 |
| ·模糊理论基础 | 第94-95页 |
| ·主被动传感器加权量测融合算法 | 第95-97页 |
| ·变权重量测融合算法思想 | 第97-99页 |
| ·基于模糊距离阈值的主被动传感器变权重量测融合算法 | 第99-102页 |
| ·时间对准 | 第99页 |
| ·基于距离阈值的主被动传感器变权重量测融合 | 第99-100页 |
| ·基于模糊距离阈值的主被动传感器变权重量测融合 | 第100-101页 |
| ·滤波跟踪 | 第101-102页 |
| ·仿真结果及分析 | 第102-107页 |
| ·本章小结 | 第107-108页 |
| 第7章 基于目标权重和信息增量的传感器分配方法 | 第108-121页 |
| ·引言 | 第108页 |
| ·用于目标跟踪的传感器分配方法 | 第108-110页 |
| ·传感器分配问题现状 | 第108-109页 |
| ·基于信息增量的传感器分配方法 | 第109-110页 |
| ·基于目标权重和信息增量的传感器分配方法 | 第110-114页 |
| ·信息增量计算 | 第110-112页 |
| ·目标权重计算 | 第112-114页 |
| ·传感器资源对目标分配函数 | 第114页 |
| ·算法性能分析 | 第114-116页 |
| ·一致性分析 | 第114-115页 |
| ·最优性分析 | 第115-116页 |
| ·仿真结果及分析 | 第116-120页 |
| ·实验参数 | 第116-117页 |
| ·仿真结果及分析 | 第117-120页 |
| ·本章小结 | 第120-121页 |
| 结论 | 第121-122页 |
| 致谢 | 第122-123页 |
| 参考文献 | 第123-130页 |
| 攻读博士学位期间发表的学术论文 | 第130页 |
