基于时滞补偿的机动目标跟踪技术研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 引言 | 第11-12页 |
| 1.2 光电跟踪系统的基本原理 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 本文的内容安排 | 第14-16页 |
| 2 基于交互式多模型算法的预测前馈 | 第16-28页 |
| 2.1 基本预测跟踪原理 | 第16-18页 |
| 2.2 常用模型分析 | 第18-20页 |
| 2.2.1 CV和CA模型 | 第18-19页 |
| 2.2.2 转弯模型（CT） | 第19页 |
| 2.2.3“当前”统计模型 | 第19-20页 |
| 2.3 坐标转换 | 第20-21页 |
| 2.4 交互式多模型算法 | 第21-24页 |
| 2.5 算法仿真及结果分析 | 第24-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 基于机器学习的预测前馈 | 第28-46页 |
| 3.1 支持向量机 | 第28-33页 |
| 3.1.1 线性可分支持向量机 | 第28-31页 |
| 3.1.2 线性不可分支持向量机 | 第31-32页 |
| 3.1.3 非线性支持向量机 | 第32-33页 |
| 3.2 改进后的算法结构 | 第33-34页 |
| 3.3 训练分类器 | 第34-38页 |
| 3.3.1 选取特征 | 第35页 |
| 3.3.2 产生训练数据 | 第35-37页 |
| 3.3.3 离线训练 | 第37-38页 |
| 3.4 实验验证SVM可行性 | 第38-40页 |
| 3.5 算法仿真对比及结果分析 | 第40-44页 |
| 3.5.1 模拟数据仿真实验 | 第40-43页 |
| 3.5.2 目标真实轨迹仿真实验 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 4 基于Smith预估的滞后补偿 | 第46-61页 |
| 4.1 Smith预估原理 | 第46-49页 |
| 4.1.1 Smith预估控制稳定性分析 | 第47-49页 |
| 4.2 改进的Smith预估控制 | 第49-51页 |
| 4.3 目标跟踪实验平台 | 第51页 |
| 4.4 控制器设计 | 第51-53页 |
| 4.4.1 速度内回路控制器设计 | 第51-53页 |
| 4.4.2 预估模型设计 | 第53页 |
| 4.4.3 位置回路控制器设计 | 第53页 |
| 4.5 Smith预估控制实验及分析 | 第53-58页 |
| 4.5.1 跟踪实验方案 | 第54-55页 |
| 4.5.2 传统Smith预估控制实验 | 第55-56页 |
| 4.5.3 改进的Smith预估控制的对比实验 | 第56-58页 |
| 4.6 Smith预估控制的进一步提升 | 第58-60页 |
| 4.7 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 本文的主要工作 | 第61页 |
| 5.2 本文的主要创新点 | 第61-62页 |
| 5.3 下一步的工作及展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第66页 |
