| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 前言 | 第7-10页 |
| §1.1 粒子滤波算法概述 | 第7-8页 |
| §1.2 粒子滤波算法的应用 | 第8-9页 |
| §1.3 本文研究的内容 | 第9-10页 |
| 第二章 相关理论基础 | 第10-23页 |
| §2.1 状态空间模型 | 第10页 |
| §2.2 线性状态空间滤波算法 | 第10-14页 |
| §2.2.1 线性高斯状态空间模型 | 第10-11页 |
| §2.2.2 Grid-Based方法 | 第11-12页 |
| §2.2.3 卡尔曼滤波 | 第12-14页 |
| §2.3 非线性状态空间滤波算法 | 第14-23页 |
| §2.3.1 广义卡尔曼滤波 | 第14-17页 |
| §2.3.2 Unscented卡尔曼滤波 | 第17-23页 |
| 第三章 基于非线性非高斯状态空间模型的粒子滤波算法 | 第23-38页 |
| §3.1 非线性非高斯状态空间模型 | 第23页 |
| §3.2 粒子滤波算法 | 第23-30页 |
| §3.2.1 Markov链和概率转移核 | 第23-24页 |
| §3.2.2 序贯蒙特卡罗方法 | 第24-30页 |
| §3.3 优化的粒子滤波器 | 第30-38页 |
| §3.3.1 MCMC步骤 | 第30-31页 |
| §3.3.2 更有效的重要性建议分布的设计 | 第31-38页 |
| 第四章 基于跳变马尔可夫状态空间模型的粒子滤波算法 | 第38-48页 |
| §4.1 跳变马尔可夫线性高斯模型 | 第38页 |
| §4.2 传统粒子滤波算法在跳变马尔可夫模型中的应用 | 第38-39页 |
| §4.3 RAO-BLACKWELLISED粒子滤波算法 | 第39-42页 |
| §4.4 粒子滤波研究的若干重要问题 | 第42-48页 |
| §4.4.1 重要性函数 | 第42-44页 |
| §4.4.2 重采样 | 第44-46页 |
| §4.4.3 粒子数的选择 | 第46-48页 |
| 第五章 数值仿真与分析 | 第48-57页 |
| §5.1 传统粒子滤波算法 | 第48-51页 |
| §5.2 优化的粒子滤波算法 | 第51-53页 |
| §5.3 基于跳变马尔可夫模型的粒子滤波算法—RBPF | 第53-57页 |
| 第六章 结论与建议 | 第57-59页 |
| 硕士期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
