多模型算法及其在Markov跳变混合系统中的应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 滤波算法研究现状 | 第11-12页 |
| 1.3 多模型算法研究现状 | 第12-13页 |
| 1.4 论文结构及主要内容 | 第13-16页 |
| 第2章 混合系统及混合模型 | 第16-22页 |
| 2.1 混合系统 | 第16-17页 |
| 2.2 混合系统模型 | 第17-18页 |
| 2.3 机动目标跟踪模型 | 第18-21页 |
| 2.3.1 基本运动模型 | 第18-19页 |
| 2.3.2 蛇形机动模型 | 第19-21页 |
| 2.3.3 量测模型 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 混合系统估计中的滤波算法 | 第22-40页 |
| 3.1 最优卡尔曼滤波器 | 第22-24页 |
| 3.1.1 卡尔曼滤波原理 | 第22-23页 |
| 3.1.2 卡尔曼滤波算法基本方程 | 第23-24页 |
| 3.2 扩展卡尔曼滤波器 | 第24-26页 |
| 3.3 无迹卡尔曼滤波器 | 第26-28页 |
| 3.4 粒子滤波器 | 第28-33页 |
| 3.4.1 蒙特卡罗方法 | 第28-29页 |
| 3.4.2 序贯重要性采样 | 第29-32页 |
| 3.4.3 标准粒子滤波算法 | 第32-33页 |
| 3.5 蛇形机动目标跟踪仿真 | 第33-37页 |
| 3.6 本章小结 | 第37-40页 |
| 第4章 定结构多模型算法 | 第40-60页 |
| 4.1 引言 | 第40页 |
| 4.2 定结构多模型算法 | 第40-52页 |
| 4.2.1 静态多模型算法 | 第41-43页 |
| 4.2.2 动态多模型算法 | 第43-52页 |
| 4.3 交互式多模型粒子滤波及其改进算法 | 第52-55页 |
| 4.3.1 交互式多模型粒子滤波算法 | 第52-54页 |
| 4.3.2 交互式多模型粒子滤波优化重采样算法 | 第54-55页 |
| 4.4 目标跟踪仿真分析 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 变结构多模型算法 | 第60-80页 |
| 5.1 引言 | 第60-61页 |
| 5.2 图论 | 第61-64页 |
| 5.2.1 图论概述 | 第61-62页 |
| 5.2.2 支撑有向图（模型集）自适应 | 第62-64页 |
| 5.3 基于图论的变结构多模型算法 | 第64-70页 |
| 5.3.1 模型组切换算法 | 第64-69页 |
| 5.3.2 可能模型算法 | 第69-70页 |
| 5.4 期望模式增广算法 | 第70-72页 |
| 5.5 改进的变结构多模型算法 | 第72-74页 |
| 5.6 目标跟踪仿真分析 | 第74-78页 |
| 5.7 本章小结 | 第78-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第86-88页 |
| 致谢 | 第88页 |
