| 摘要 | 第10-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 相关领域发展与研究综述 | 第14-18页 |
| 1.2.1 目标航迹估计研究现状 | 第14-15页 |
| 1.2.2 信息融合技术与融合算法 | 第15-17页 |
| 1.2.3 目标威胁评估发展现状 | 第17-18页 |
| 1.3 研究内容及章节安排 | 第18-20页 |
| 第二章 信息融合系统的模型设计 | 第20-32页 |
| 2.1 应用背景及设计约束 | 第20-22页 |
| 2.2 经典功能模型与处理结构 | 第22-26页 |
| 2.2.1 功能模型 | 第22-24页 |
| 2.2.2 信息处理结构 | 第24-26页 |
| 2.3 系统模型结构 | 第26-28页 |
| 2.4 信息源选择 | 第28-31页 |
| 2.4.1 雷达 | 第28页 |
| 2.4.2 红外探测器 | 第28-29页 |
| 2.4.3 敌方双方识别系统 | 第29页 |
| 2.4.4 电子支援系统 | 第29-30页 |
| 2.4.5 信息源对比 | 第30-31页 |
| 2.5 小结 | 第31-32页 |
| 第三章 基于多模型的目标航迹估计算法 | 第32-50页 |
| 3.1 目标运动模型 | 第32-35页 |
| 3.1.1 匀速模型 | 第32页 |
| 3.1.2 匀加速模型 | 第32-33页 |
| 3.1.3 Singer模型 | 第33-34页 |
| 3.1.4 “当前”模型 | 第34-35页 |
| 3.2 经典卡尔曼滤波算法 | 第35-42页 |
| 3.2.1 线性卡尔曼滤波 | 第35-36页 |
| 3.2.2 扩展卡尔曼滤波 | 第36-37页 |
| 3.2.3 无迹卡尔曼滤波 | 第37-39页 |
| 3.2.4 交互式多模型的卡尔曼滤波 | 第39页 |
| 3.2.5 算法性能对比 | 第39-42页 |
| 3.3 改进的交互式多模型算法 | 第42-46页 |
| 3.4 仿真与分析 | 第46-48页 |
| 3.5 小结 | 第48-50页 |
| 第四章分布式多传感器的航迹融合算法 | 第50-62页 |
| 4.1 传感器间估计误差相关问题 | 第50页 |
| 4.2 航迹融合算法 | 第50-56页 |
| 4.2.1 凸组合航迹融合算法 | 第50-51页 |
| 4.2.2 BarShalom-Campo航迹融合算法 | 第51页 |
| 4.2.3 自适应航迹融合算法 | 第51-52页 |
| 4.2.4 分层航迹融合算法 | 第52-54页 |
| 4.2.5 基于最优线性无偏估计的航迹融合算法 | 第54页 |
| 4.2.6 算法性能对比 | 第54-56页 |
| 4.3 基于IMM-UKF的分层航迹融合算法 | 第56-57页 |
| 4.4 算法仿真与分析 | 第57-61页 |
| 4.4.1 双雷达航迹融合 | 第57-59页 |
| 4.4.2 双雷达+红外航迹融合 | 第59-61页 |
| 4.5 小结 | 第61-62页 |
| 第五章 基于航迹的目标威胁评估方法 | 第62-79页 |
| 5.1 威胁评估关键问题及基本流程 | 第62-63页 |
| 5.2 威胁因素提取 | 第63-65页 |
| 5.2.1 威胁选择与分类 | 第63-64页 |
| 5.2.2 目标行为因素 | 第64-65页 |
| 5.2.3 相对关系因素 | 第65页 |
| 5.3 因素指标规范化 | 第65-69页 |
| 5.4 因素赋权 | 第69-75页 |
| 5.4.1 威胁选择与分类 | 第69页 |
| 5.4.2 客观赋权法 | 第69-71页 |
| 5.4.3 基于总偏差最小原则的组合赋权法 | 第71-75页 |
| 5.5 仿真与分析 | 第75-78页 |
| 5.6 小结 | 第78-79页 |
| 第六章 结论与展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 作者在学期间取得的学术成果 | 第88页 |