| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文的研究背景 | 第8-9页 |
| 1.2 粒子滤波国内外研究现状 | 第9-11页 |
| 1.2.1 文献综述 | 第9页 |
| 1.2.2 粒子滤波主要应用领域和研究方向 | 第9-11页 |
| 1.3 多目标跟踪技术发展现状 | 第11-12页 |
| 1.4 本文所做的工作及结构 | 第12-14页 |
| 第二章 Kalman滤波理论 | 第14-28页 |
| 2.1 Kalman滤波算法 | 第14-17页 |
| 2.1.1 Kalman滤波原理 | 第14-15页 |
| 2.1.2 Kalman滤波在单目标跟踪中的应用仿真 | 第15-17页 |
| 2.2 扩展Kalman滤波 | 第17-19页 |
| 2.2.1 扩展Kalman滤波原理 | 第17-18页 |
| 2.2.2 基于EKE的单目标跟踪仿真 | 第18-19页 |
| 2.3 无迹Kalman滤波 | 第19-22页 |
| 2.3.1 无迹Kalman滤波原理 | 第19-20页 |
| 2.3.2 无迹Kalman滤波在单目标跟踪中的仿真 | 第20-22页 |
| 2.4 交互多模型Kalman滤波 | 第22-27页 |
| 2.4.1 交互多模型Kalman滤波原理 | 第22-23页 |
| 2.4.2 交互Kalman滤波在单目标跟踪中的仿真 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 粒子滤波相关理论分析 | 第28-48页 |
| 3.1 动态空间模型 | 第28-29页 |
| 3.2 贝叶斯估计理论 | 第29-31页 |
| 3.2.1 贝叶斯定理 | 第29-30页 |
| 3.2.2 贝叶斯滤波 | 第30-31页 |
| 3.3 蒙特卡罗积分 | 第31-32页 |
| 3.4 序贯蒙特卡罗信号处理 | 第32-34页 |
| 3.5 粒子滤波 | 第34-47页 |
| 3.5.1 标准粒子滤波算法 | 第34-36页 |
| 3.5.2 标准粒子滤波的缺点 | 第36-41页 |
| 3.5.3 高斯模型下粒子滤波的实例仿真 | 第41-44页 |
| 3.5.4 高斯噪声在粒子滤波用于目标跟踪的仿真 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 改进的粒子滤波算法 | 第48-60页 |
| 4.1 GHPF滤波 | 第48-50页 |
| 4.1.1 GH积分公式 | 第48-49页 |
| 4.1.2 GHF的递推公式 | 第49页 |
| 4.1.3 GHPF算法步骤 | 第49-50页 |
| 4.2 EKPF滤波 | 第50-51页 |
| 4.3 UPF滤波 | 第51-53页 |
| 4.4 改进的粒子滤波算法 | 第53-59页 |
| 4.4.1 问题的提出 | 第53页 |
| 4.4.2 算法思路分析 | 第53-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 粒子滤波在多目标跟踪中的应用 | 第60-70页 |
| 5.1 多目标跟踪系统建模 | 第60-64页 |
| 5.1.1 单站多目标系统建模 | 第60页 |
| 5.1.2 单站多目标线性跟踪系统的仿真 | 第60-62页 |
| 5.1.3 多站多目标跟踪系统建模 | 第62页 |
| 5.1.4 多站多目标非线性跟踪系统的仿真 | 第62-64页 |
| 5.2 多目标跟踪分类算法 | 第64-66页 |
| 5.2.1 多目标数据融合概述 | 第64-65页 |
| 5.2.2 最近邻航迹关联算法 | 第65-66页 |
| 5.3 粒子滤波在多目标跟踪算法应用及仿真 | 第66-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 结论与展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 附录 | 第80页 |
