| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 传统多目标跟踪算法研究现状 | 第11-12页 |
| 1.2.2 基于随机有限集的多目标跟踪方法研究现状 | 第12-13页 |
| 1.3 论文主要内容与结构安排 | 第13-14页 |
| 第2章 多目标跟踪滤波算法研究 | 第14-25页 |
| 2.1 多目标跟踪经典算法 | 第14-20页 |
| 2.1.1 Bayes滤波算法 | 第14-16页 |
| 2.1.2 Kalman滤波算法 | 第16-18页 |
| 2.1.3 粒子滤波算法 | 第18-20页 |
| 2.2 随机集的多目标跟踪理论 | 第20-24页 |
| 2.2.1 随机集定义 | 第20-21页 |
| 2.2.2 集积分与集导数 | 第21-22页 |
| 2.2.3 基于RFS的多目标跟踪系统评价指标 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于随机有限集的多目标跟踪 | 第25-44页 |
| 3.1 利用随机集建立多目标模型 | 第25-28页 |
| 3.1.1 多目标运动模型建立 | 第26-27页 |
| 3.1.2 随机集的观测模型建立 | 第27-28页 |
| 3.2 基于随机集的多目标PHD滤波器 | 第28-39页 |
| 3.2.1 多目标随机集下的贝叶斯滤波器 | 第28-29页 |
| 3.2.2 PHD滤波算法介绍 | 第29-30页 |
| 3.2.3 PHD滤波的实现 | 第30-36页 |
| 3.2.4 带势的概率假设密度（CPHD）滤波 | 第36-39页 |
| 3.3 仿真结果与分析 | 第39-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 自适应高斯混合PHD滤波算法 | 第44-53页 |
| 4.1 GM-PHD滤波算法分析 | 第44页 |
| 4.2 AGM-PHD算法实现 | 第44-49页 |
| 4.3 仿真结果及分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 GM-PHD滤波用于海洋哨音信号追踪 | 第53-64页 |
| 5.1 哨音频率追踪难点分析 | 第53-54页 |
| 5.2 哨音信号追踪动态模型 | 第54页 |
| 5.3 哨音频率新生模型 | 第54-55页 |
| 5.4 实验结果与分析 | 第55-63页 |
| 5.5 本章小结 | 第63-64页 |
| 总结与展望 | 第64-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间所发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74页 |