多传感器目标跟踪中的数据融合理论与算法
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·多传感器数据融合技术概述 | 第7-8页 |
| ·数据融合及目标跟踪技术的发展概况及研究现状 | 第8-9页 |
| ·本文的主要研究工作及内容安排 | 第9-11页 |
| 第二章 多传感器数据融合的基本理论 | 第11-22页 |
| ·多传感器数据融合基础 | 第11-13页 |
| ·数据融合的定义 | 第11页 |
| ·数据融合的功能模型 | 第11-12页 |
| ·数据融合的级别 | 第12-13页 |
| ·数据融合的基本方法 | 第13页 |
| ·目标跟踪技术中状态估计 | 第13-17页 |
| ·标准 Kalman滤波算法 | 第13-15页 |
| ·卡尔曼信息滤波算法 | 第15页 |
| ·扩展卡尔曼滤波算法 | 第15-17页 |
| ·坐标变换和空间对准 | 第17-18页 |
| ·时间同步 | 第18-19页 |
| ·数据融合系统的仿真技术 | 第19-21页 |
| ·Monte Carlo仿真方法 | 第19-20页 |
| ·Monte Carlo仿真的主要指标 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 多传感器数据融合中的航迹关联 | 第22-40页 |
| ·集中式航迹关联 | 第22-27页 |
| ·单传感器联合概率数据互联法 | 第23-24页 |
| ·多传感器联合概率数据互联算法 | 第24-27页 |
| ·分布式航迹关联方法 | 第27-31页 |
| ·基于假设检验的航迹粗关联 | 第28-30页 |
| ·加权航迹关联算法 | 第28-29页 |
| ·修正航迹关联算法 | 第29-30页 |
| ·航迹精关联 | 第30-31页 |
| ·经典分配航迹关联方法 | 第31-34页 |
| ·经典分配法 | 第31页 |
| ·遗传算法求解航迹分配问题 | 第31-34页 |
| ·染色体编码 | 第32页 |
| ·个体适应度评价指标 | 第32-33页 |
| ·遗传算子 | 第33-34页 |
| ·基于伪点迹的异步航迹关联算法 | 第34-36页 |
| ·利用伪点迹进行时间对准 | 第34-36页 |
| ·将同步化的航迹进行关联 | 第36页 |
| ·航迹关联算法仿真分析 | 第36-39页 |
| ·集中式关联算法仿真 | 第36-37页 |
| ·分布式关联算法仿真 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 多传感器目标跟踪中的航迹融合 | 第40-55页 |
| ·集中式航迹融合 | 第40-43页 |
| ·并行结构的航迹融合 | 第40-42页 |
| ·序贯结构的航迹融合 | 第42-43页 |
| ·分布式航迹融合 | 第43-48页 |
| ·分布式航迹融合的结构 | 第43-44页 |
| ·分布式航迹融合算法 | 第44-47页 |
| ·简单航迹融合(SF) | 第44-45页 |
| ·Bar Shalom-Campo融合算法 | 第45-46页 |
| ·自适应航迹融合算法 | 第46-47页 |
| ·融合估计最优的分布式融合算法 | 第47-48页 |
| ·航迹融合中相关问题性分析 | 第48-50页 |
| ·相关问题产生的原因 | 第48-49页 |
| ·去除误差相关的方法 | 第49-50页 |
| ·航迹融合算法仿真分析 | 第50-54页 |
| ·集中式融合算法仿真 | 第50-52页 |
| ·分布式融合算法仿真 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·本论文工作总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 硕士期间所发表的论文 | 第61-62页 |
| 致谢 | 第62-63页 |
