| 缩略词 | 第1-12页 |
| 摘要 | 第12-14页 |
| ABSTRACT | 第14-16页 |
| 第一章 绪论 | 第16-26页 |
| ·研究背景及意义 | 第16-17页 |
| ·传统目标跟踪方法 | 第17-19页 |
| ·数据关联 | 第17-18页 |
| ·目标运动模型及滤波算法 | 第18页 |
| ·目标轨迹起始与终止 | 第18-19页 |
| ·基于随机有限集的多目标跟踪方法 | 第19-24页 |
| ·基于随机有限集的多目标跟踪方法概述 | 第19-20页 |
| ·基于随机有限集的多目标跟踪研究现状 | 第20-24页 |
| ·论文的主要内容和结构安排 | 第24-26页 |
| 第二章 基于随机有限集理论的多目标跟踪基础 | 第26-43页 |
| ·引言 | 第26页 |
| ·基于随机有限集的多目标跟踪理论 | 第26-32页 |
| ·随机有限集定义 | 第26-27页 |
| ·多目标贝叶斯滤波 | 第27-29页 |
| ·集合积分与微分 | 第29-30页 |
| ·概率假设密度与势分布 | 第30-32页 |
| ·PHD 和 CPHD 滤波器 | 第32-40页 |
| ·单传感器 PHD 和 CPHD 滤波器 | 第32-35页 |
| ·多传感器 PHD 和 CPHD 滤波器 | 第35-40页 |
| ·多目标跟踪性能评价方法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 引入信号幅度信息的 PHD 与 CPHD 多目标跟踪算法研究 | 第43-64页 |
| ·引言 | 第43-44页 |
| ·光学传感器像平面目标跟踪问题介绍 | 第44-45页 |
| ·传感器信号幅度信息建模 | 第45-48页 |
| ·幅度似然函数 | 第45-47页 |
| ·目标信噪比未知的处理方法 | 第47-48页 |
| ·AI-PHD 和 AI-CPHD 滤波器 | 第48-52页 |
| ·像平面目标运动和测量模型 | 第49页 |
| ·AI-PHD 滤波器 | 第49-51页 |
| ·AI-CPHD 滤波器 | 第51-52页 |
| ·基于高斯混合的实现算法 | 第52-56页 |
| ·高斯混合 AI-PHD 滤波算法 | 第52-54页 |
| ·高斯混合 AI-CPHD 滤波算法 | 第54-56页 |
| ·仿真试验与结果分析 | 第56-62页 |
| ·仿真场景和算法参数设置 | 第56-58页 |
| ·算法性能仿真分析 | 第58-62页 |
| ·仿真结论 | 第62页 |
| ·本章小结 | 第62-64页 |
| 第四章 基于线性复杂度 CPHD 的多目标跟踪算法研究 | 第64-94页 |
| ·引言 | 第64-65页 |
| ·LC-CPHD 基本思想 | 第65-71页 |
| ·LC-CPHD 滤波器 | 第65-66页 |
| ·基于物理原理的 LC-CPHD 滤波器推导 | 第66-71页 |
| ·基于高斯混合的 LC-CPHD 滤波算法 | 第71-74页 |
| ·滤波预测与更新 | 第71-74页 |
| ·目标个数及状态估计 | 第74页 |
| ·一种基于 GM-LC-CPHD 滤波的多目标跟踪算法 | 第74-80页 |
| ·问题描述 | 第74-75页 |
| ·基于 GM-LC-CPHD 滤波的多目标跟踪算法构建 | 第75-80页 |
| ·仿真试验与结果分析 | 第80-92页 |
| ·GM-LC-CPHD 滤波算法仿真分析 | 第80-84页 |
| ·基于 GM-LC-CPHD 滤波的多目标跟踪算法仿真分析 | 第84-92页 |
| ·本章小结 | 第92-94页 |
| 第五章 基于 RFS 的多传感器单目标跟踪算法研究 | 第94-113页 |
| ·引言 | 第94-95页 |
| ·基于 RFS 的贝叶斯滤波描述 | 第95-96页 |
| ·基于 RFS 的最优贝叶斯多传感器单目标跟踪算法 | 第96-104页 |
| ·基于 RFS 的目标运动模型 | 第96-97页 |
| ·基于 RFS 的多传感器量测模型 | 第97-100页 |
| ·基于 RFS 的最优贝叶斯滤波 | 第100-104页 |
| ·仿真试验与结果分析 | 第104-112页 |
| ·仿真试验1 | 第105-110页 |
| ·仿真试验2 | 第110-112页 |
| ·本章小结 | 第112-113页 |
| 第六章 基于乘积多传感器 CPHD 的多传感器多目标跟踪算法研究 | 第113-136页 |
| ·引言 | 第113-114页 |
| ·基于 SMC-PM-CPHD 滤波的多目标跟踪算法 | 第114-117页 |
| ·SMC-PM-CPHD 滤波 | 第114-117页 |
| ·基于粒子聚类标签的多目标轨迹管理 | 第117页 |
| ·基于粒子聚类的自适应加窗 | 第117-123页 |
| ·PM-CPHD 加窗可行性分析 | 第118-120页 |
| ·算法描述 | 第120-123页 |
| ·量测驱动的多目标状态估计 | 第123-128页 |
| ·算法原理 | 第124-125页 |
| ·量测驱动的多目标状态估计流程 | 第125-128页 |
| ·仿真试验与结果分析 | 第128-135页 |
| ·SMC-PM-CPHD 多目标跟踪算法性能仿真分析 | 第128-130页 |
| ·基于粒子聚类的自适应加窗仿真分析 | 第130-132页 |
| ·量测驱动的多目标状态估计仿真分析 | 第132-135页 |
| ·本章小结 | 第135-136页 |
| 第七章 结论与展望 | 第136-138页 |
| 致谢 | 第138-140页 |
| 参考文献 | 第140-154页 |
| 作者在学期间取得的学术成果 | 第154-155页 |
| 作者在攻读博士学位期间参与的科研项目 | 第155-156页 |
| 附录A PM-CPHD 和 PM-PHD 更新步骤的等价推导 | 第156-159页 |
