| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9-10页 |
| 1.2 课题研究的背景和意义 | 第10-12页 |
| 1.3 课题的国内外研究现状 | 第12-14页 |
| 1.4 本文的主要内容和结构 | 第14-16页 |
| 第二章 多传感器信息融合基本理论 | 第16-25页 |
| 2.1 信息融合的基本概念 | 第16-17页 |
| 2.2 功能模型 | 第17-19页 |
| 2.3 结构模型 | 第19-24页 |
| 2.3.1 检测级融合结构 | 第19-20页 |
| 2.3.2 位置级融合结构 | 第20-23页 |
| 2.3.3 目标识别级融合结构 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 多传感器目标跟踪基本理论 | 第25-35页 |
| 3.1 目标跟踪的基本概念 | 第25-26页 |
| 3.2 目标运动模型 | 第26-28页 |
| 3.2.1 匀速 CV 与匀加速 CA 模型 | 第26-27页 |
| 3.2.2 时间相关模型（Singer 模型） | 第27-28页 |
| 3.2.3 “当前”统计模型 | 第28页 |
| 3.3 跟踪门的形成方法 | 第28-31页 |
| 3.3.1 滤波残差及其统计特性 | 第29页 |
| 3.3.2 跟踪门的形成 | 第29-31页 |
| 3.4 数据关联 | 第31-33页 |
| 3.4.1 “最近邻”法 | 第31-32页 |
| 3.4.2 概率数据互联算法 | 第32-33页 |
| 3.5 航迹起始与终结 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 滤波与预测算法 | 第35-56页 |
| 4.1 线性卡尔曼(KF)滤波器 | 第35-39页 |
| 4.1.1 KF 滤波原理 | 第36页 |
| 4.1.2 KF 对单目标、多目标滤波仿真结果及分析 | 第36-39页 |
| 4.2 扩展卡尔曼(EKF)滤波器 | 第39-42页 |
| 4.2.1 EKF 滤波原理 | 第39-40页 |
| 4.2.2 EKF 对单目标、多目标滤波仿真结果及分析 | 第40-42页 |
| 4.3 无迹卡尔曼(UKF)滤波器 | 第42-47页 |
| 4.3.1 UKF 滤波原理 | 第42-44页 |
| 4.3.2 UKF 对单目标、多目标滤波仿真结果及分析 | 第44-47页 |
| 4.4 粒子滤波器 | 第47-54页 |
| 4.4.1 蒙特卡洛方法 | 第47页 |
| 4.4.2 重要性采样 | 第47-49页 |
| 4.4.3 序列重要性抽样(SIS)滤波器 | 第49-50页 |
| 4.4.4 粒子滤波的算法流程 | 第50-51页 |
| 4.4.5 粒子滤波对非高斯、多目标跟踪仿真结果及分析 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 基于交互式多模型的目标跟踪算法 | 第56-67页 |
| 5.1 引言 | 第56-57页 |
| 5.2 交互式多模型(IMM)算法的原理 | 第57-59页 |
| 5.3 多传感器多模型—概率数据互联(IMM-PDAF)算法 | 第59-63页 |
| 5.3.1 多传感器概率数据互联滤波器 | 第59-61页 |
| 5.3.2 多传感器交互式多模型—概率数据互联滤波算法 | 第61-63页 |
| 5.4 IMM-PDAF 算法仿真结果及分析 | 第63-65页 |
| 5.5 本章小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
