数据融合多目标跟踪方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 绪论 | 第8-12页 |
| 第一章 多传感器数据融合和目标跟踪技术概述 | 第12-28页 |
| ·多传感器数据融合技术概述 | 第12-21页 |
| ·多传感器数据融合的基本原理 | 第12-13页 |
| ·数据融合系统的结构模型 | 第13-15页 |
| ·数据融合的功能级别 | 第15-17页 |
| ·数据融合的常用理论和方法 | 第17-20页 |
| ·数据融合技术目前存在的问题和今后的发展方向 | 第20-21页 |
| ·多传感器目标跟踪技术概述 | 第21-28页 |
| ·目标跟踪系统的的起源和发展 | 第21-22页 |
| ·多传感器数据融合多目标跟踪系统类型 | 第22-24页 |
| ·现代常见军用跟踪传感器 | 第24-26页 |
| ·多传感器目标跟踪系统应用前景 | 第26-28页 |
| 第二章 单机动目标跟踪技术 | 第28-54页 |
| ·机动目标数学模型 | 第28-34页 |
| ·跟踪坐标系的选择 | 第28-31页 |
| ·三维空间目标运动的时间离散模型 | 第31-34页 |
| ·跟踪门的形成方法 | 第34-38页 |
| ·矩形跟踪门 | 第35-36页 |
| ·椭球跟踪门 | 第36-38页 |
| ·单目标跟踪的数据关联方法 | 第38-46页 |
| ·“最近邻”方法 | 第38-39页 |
| ·“全邻”最优滤波 | 第39-41页 |
| ·概率数据关联滤波 | 第41-42页 |
| ·交互多模型滤波器 | 第42-44页 |
| ·交互多模型-概率数据关联滤波器 | 第44-46页 |
| ·单机动目标跟踪仿真研究 | 第46-54页 |
| ·仿真设定 | 第46-49页 |
| ·结果和分析 | 第49-54页 |
| 第三章 多机动目标跟踪技术 | 第54-86页 |
| ·数据融合多目标跟踪的基本原理 | 第54-56页 |
| ·多目标跟踪起始和终结的方法 | 第56-63页 |
| ·概述 | 第56-57页 |
| ·序列概率比检验方法 | 第57-58页 |
| ·Bayes轨迹确定与跟踪终结方法 | 第58-59页 |
| ·N维分配方法 | 第59-61页 |
| ·极大似然法 | 第61-62页 |
| ·跟踪门方法 | 第62-63页 |
| ·滑窗法 | 第63页 |
| ·多目标跟踪数据关联方法 | 第63-73页 |
| ·整数规划法 | 第64-65页 |
| ·高斯和法 | 第65-66页 |
| ·联合概率数据关联算法 | 第66-69页 |
| ·多假设方法 | 第69-71页 |
| ·数据关联快速算法 | 第71-73页 |
| ·多传感器数据融合多目标跟踪方法 | 第73-85页 |
| ·并行和顺序多传感器联合概率数据关联算法 | 第73-76页 |
| ·多传感器多目标跟踪数据关联快速算法 | 第76-85页 |
| ·小结 | 第85-86页 |
| 第四章 神经网络技术在多传感器多目标跟踪中的应用 | 第86-99页 |
| ·概述 | 第86-88页 |
| ·神经网络技术的优势 | 第86-87页 |
| ·神经网络技术在目标跟踪应用的研究情况 | 第87-88页 |
| ·神经网络多感器数据融合多目标跟踪 | 第88-92页 |
| ·多层前馈神经网络和BP学习算法 | 第88-90页 |
| ·神经网络多感器数据融合多目标跟踪算法 | 第90-92页 |
| ·神经网络多传感器数据融合多目标跟踪算法的简化 | 第92-98页 |
| ·简化依据和方法 | 第92页 |
| ·两种算法的对比仿真研究 | 第92-98页 |
| ·小结 | 第98-99页 |
| 第五章 结束语 | 第99-101页 |
| 致谢 | 第101-103页 |
| 参考文献 | 第103-107页 |
