| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-16页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 目标运动特性建模的研究现状 | 第13页 |
| 1.2.2 跟踪滤波算法的研究现状 | 第13-14页 |
| 1.3 本文主要内容与安排 | 第14-16页 |
| 2 机动目标跟踪原理及滤波算法 | 第16-34页 |
| 2.1 参数估计方法 | 第16-18页 |
| 2.2 机动目标跟踪原理 | 第18-19页 |
| 2.3 线性滤波算法 | 第19-23页 |
| 2.3.1 离散时间线性系统 | 第20页 |
| 2.3.2 状态预测器 | 第20-21页 |
| 2.3.3 状态更新器 | 第21-23页 |
| 2.4 非线性滤波算法 | 第23-33页 |
| 2.4.1 扩展卡尔曼滤波 | 第23-25页 |
| 2.4.2 不敏卡尔曼滤波 | 第25-28页 |
| 2.4.3 粒子滤波 | 第28-30页 |
| 2.4.4 几种非线性滤波算法的对比分析 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 机动目标运动特性建模 | 第34-56页 |
| 3.1 量测模型 | 第34-36页 |
| 3.1.1 传感器坐标系模型 | 第34-35页 |
| 3.1.2 非线性量测模型线性化 | 第35-36页 |
| 3.2 基本运动模型分析 | 第36-43页 |
| 3.2.1 CV和CA模型 | 第37-38页 |
| 3.2.2 Singer模型 | 第38-40页 |
| 3.2.3 “当前”统计模型 | 第40-41页 |
| 3.2.4 Jerk模型 | 第41-43页 |
| 3.3 基于“当前”统计的CS-Jerk模型 | 第43-45页 |
| 3.3.1 CS-Jerk模型结构 | 第43-45页 |
| 3.4 基于正弦相关函数的Sine-Jerk模型 | 第45-50页 |
| 3.4.1 CS-Jerk模型缺陷 | 第45-47页 |
| 3.4.2 Sine模型 | 第47页 |
| 3.4.3 改进的Sine-Jerk模型建模方法 | 第47-50页 |
| 3.5 实验仿真与结果分析 | 第50-54页 |
| 3.5.1 模型仿真环境 | 第50-51页 |
| 3.5.2 改进后的Sine-Jerk模型与其它模型的性能对比 | 第51-54页 |
| 3.6 本章小结 | 第54-56页 |
| 4 临近空间强机动目标跟踪多模型算法 | 第56-80页 |
| 4.1 临近空间目标运动特性分析 | 第56-58页 |
| 4.2 固定结构多模型算法 | 第58-59页 |
| 4.3 交互式多模型算法 | 第59-66页 |
| 4.3.1 IMM基本原理 | 第60-61页 |
| 4.3.2 主要算法结构 | 第61-63页 |
| 4.3.3 标准IMM算法仿真分析 | 第63-66页 |
| 4.4 基于Logistic回归的LR-IMM算法 | 第66-75页 |
| 4.4.1 Logistic回归算法 | 第66-70页 |
| 4.4.2 训练分类器 | 第70-71页 |
| 4.4.3 模型集的设计 | 第71-72页 |
| 4.4.4 改进后的LR-IMM算法设计 | 第72-75页 |
| 4.5 仿真实验与结果分析 | 第75-79页 |
| 4.5.1 仿真场景设计 | 第75-76页 |
| 4.5.2 标准IMM算法与改进后的LR-IMM算法性能对比 | 第76-79页 |
| 4.6 本章小结 | 第79-80页 |
| 5 结论 | 第80-82页 |
| 5.1 总结 | 第80-81页 |
| 5.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 作者简历 | 第86-90页 |
| 学位论文数据集 | 第90页 |
