| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 论文的研究背景 | 第12页 |
| 1.2 国内外发展状况 | 第12-14页 |
| 1.3 论文的设计内容及构成 | 第14-16页 |
| 第二章 目标跟踪算法理论基础 | 第16-34页 |
| 2.1 机动目标跟踪原理 | 第16-17页 |
| 2.2 卡尔曼滤波 | 第17-20页 |
| 2.2.1 卡尔曼滤波原理 | 第17-19页 |
| 2.2.2 无迹卡尔曼滤波 | 第19-20页 |
| 2.3 粒子滤波算法 | 第20-26页 |
| 2.3.1 贝叶斯估计理论 | 第21-23页 |
| 2.3.2 蒙特卡罗积分 | 第23-25页 |
| 2.3.3 序贯粒子滤波算法 | 第25-26页 |
| 2.4 标准粒子滤波算法 | 第26-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 EM算法简介 | 第34-44页 |
| 3.1 EM算法概述 | 第34-37页 |
| 3.1.1 EM算法定义 | 第34页 |
| 3.1.2 EM算法基本原理 | 第34-35页 |
| 3.1.3 EM算法实例 | 第35-37页 |
| 3.2 EM算法的一般形式 | 第37-41页 |
| 3.2.1 Jensen不等式 | 第37-38页 |
| 3.2.2 EM算法的一般形式 | 第38-41页 |
| 3.3 EM算法的收敛性 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 高斯噪声情况下过程噪声未知时的自适应估计 | 第44-54页 |
| 4.1 EM算法的状态空间一维模型参数估计 | 第44-47页 |
| 4.1.1 高斯状态空间模型参数估计 | 第44-46页 |
| 4.1.2 对数似然函数的极大化 | 第46-47页 |
| 4.1.3 算法实施步骤 | 第47页 |
| 4.2 EM算法的状态空间二维模型参数估计 | 第47-49页 |
| 4.3 仿真 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 闪烁噪声情况下过程噪声未知时的自适应估计 | 第54-60页 |
| 5.1 模型的参数估计 | 第54-56页 |
| 5.1.1 问题的描述 | 第54页 |
| 5.1.2 闪烁噪声 | 第54-55页 |
| 5.1.3 EM算法的非高斯状态空间二维模型参数估计 | 第55-56页 |
| 5.2 仿真 | 第56-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 (攻读学位期间发表著作和科研情况) | 第68页 |