| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 多目标跟踪技术国内外研究现状 | 第11-17页 |
| 1.2.1 基于数据关联的多目标跟踪技术研究现状 | 第11-13页 |
| 1.2.2 基于随机有限集的多目标跟踪技术研究现状 | 第13-17页 |
| 1.3 基于随机有限集的多目标跟踪技术的困难及挑战 | 第17-18页 |
| 1.4 主要研究内容与章节安排 | 第18-21页 |
| 第二章 基于随机有限集的多目标跟踪基础 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 基于随机有限集的多目标跟踪原理 | 第21-24页 |
| 2.2.1 随机有限集下的目标状态及量测建模 | 第21-22页 |
| 2.2.2 基于随机有限集的多目标贝叶斯滤波 | 第22-23页 |
| 2.2.3 传递边缘分布的多目标贝叶斯滤波 | 第23-24页 |
| 2.3 基于随机有限集的多目标滤波器近似及其实现 | 第24-29页 |
| 2.3.1 PHD滤波器 | 第24-26页 |
| 2.3.2 高斯混合PHD滤波器 | 第26-29页 |
| 2.4 多目标跟踪算法性能评价指标 | 第29-30页 |
| 2.4.1 Hausdorff距离 | 第29页 |
| 2.4.2 OMAT距离 | 第29页 |
| 2.4.3 OSPA距离 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于概率假设密度滤波的紧邻多目标跟踪算法 | 第31-51页 |
| 3.1 引言 | 第31-32页 |
| 3.2 问题描述与分析 | 第32-34页 |
| 3.2.1 紧邻多目标权值更新 | 第32-33页 |
| 3.2.2 目标紧邻时高斯分量剪枝与融合 | 第33-34页 |
| 3.3 紧邻多目标PHD跟踪算法 | 第34-42页 |
| 3.3.1 目标分量权值再分配方案 | 第34-40页 |
| 3.3.2 高斯分量剪枝与融合方案 | 第40-41页 |
| 3.3.3 本章算法的完整步骤 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-49页 |
| 3.4.1 交叉多目标跟踪场景 | 第43-45页 |
| 3.4.2 平行多目标跟踪场景 | 第45-47页 |
| 3.4.3 不同杂波均值环境下的紧邻多目标跟踪 | 第47-48页 |
| 3.4.4 不同检测概率环境下的紧邻多目标跟踪 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 新生目标先验强度未知的多目标PHD跟踪算法 | 第51-71页 |
| 4.1 引言 | 第51-52页 |
| 4.2 问题描述与分析 | 第52-53页 |
| 4.3 新生目标先验强度未知的多目标PHD跟踪算法 | 第53-59页 |
| 4.3.1 新生目标强度初始化 | 第53-54页 |
| 4.3.2 基于PHD预滤波的杂波减除策略 | 第54-55页 |
| 4.3.3 目标速度特征策略 | 第55-56页 |
| 4.3.4 离散时刻量测集划分方案 | 第56-57页 |
| 4.3.5 本章算法的完整步骤 | 第57-59页 |
| 4.4 实验结果与分析 | 第59-70页 |
| 4.4.1 两个新生目标跟踪场景 | 第59-63页 |
| 4.4.2 七个新生目标跟踪场景 | 第63-66页 |
| 4.4.3 不同杂波均值环境下的未知新生目标强度场景 | 第66-67页 |
| 4.4.4 不同检测概率环境下的未知新生目标强度场景 | 第67-68页 |
| 4.4.5 不同量测噪声环境下的未知新生目标强度场景 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 不精确检测概率环境下的多目标PHD跟踪算法 | 第71-89页 |
| 5.1 引言 | 第71-72页 |
| 5.2 问题描述与分析 | 第72-74页 |
| 5.3 不精确检测概率环境下的多目标PHD跟踪算法 | 第74-80页 |
| 5.3.1 基于指数衰减函数的伪漏检目标权值更新方案 | 第74-76页 |
| 5.3.2 融合多帧技术的多目标状态抽取方案 | 第76-78页 |
| 5.3.3 本章算法的完整步骤 | 第78-80页 |
| 5.4 实验结果与分析 | 第80-88页 |
| 5.4.1 仿真场景设置 | 第80-82页 |
| 5.4.2 不精确检测概率环境下的多目标跟踪 | 第82-83页 |
| 5.4.3 不同杂波均值环境下的多目标跟踪 | 第83-85页 |
| 5.4.4 不同检测概率环境下的多目标跟踪 | 第85-87页 |
| 5.4.5 分量位序选择阈值对所提算法的影响 | 第87-88页 |
| 5.5 本章小结 | 第88-89页 |
| 第六章 基于概率假设密度滤波的多目标航迹维持算法 | 第89-115页 |
| 6.1 引言 | 第89-90页 |
| 6.2 问题描述与分析 | 第90-92页 |
| 6.3 多目标GM-PHD航迹维持算法 | 第92-100页 |
| 6.3.1 目标状态关联与更新方案 | 第92-94页 |
| 6.3.2 基于不规则窗口的多目标航迹管理方案 | 第94-97页 |
| 6.3.3 本章算法的完整步骤 | 第97-100页 |
| 6.4 实验结果与分析 | 第100-114页 |
| 6.4.1 交叉多目标跟踪场景 | 第101-105页 |
| 6.4.2 两个平行目标跟踪场景 | 第105-109页 |
| 6.4.3 不同杂波均值环境下的紧邻多目标跟踪 | 第109-110页 |
| 6.4.4 不同检测概率环境下的紧邻多目标跟踪 | 第110-112页 |
| 6.4.5 不同量测噪声环境下的紧邻多目标跟踪 | 第112-114页 |
| 6.5 本章小结 | 第114-115页 |
| 主要结论与展望 | 第115-117页 |
| 主要结论 | 第115-116页 |
| 展望 | 第116-117页 |
| 致谢 | 第117-118页 |
| 参考文献 | 第118-128页 |
| 附录: 作者在攻读博士学位期间发表的论文及科研成果 | 第128页 |
