| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 引言 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 课题研究的目的与意义 | 第10-11页 |
| 1.4 本文的主要内容与结构安排 | 第11-12页 |
| 第二章 滤波方法介绍与比较 | 第12-32页 |
| 2.1 滤波算法概述 | 第12页 |
| 2.2 两点外推滤波算法 | 第12-13页 |
| 2.3 维纳滤波 | 第13-14页 |
| 2.4 α-β 滤波与α-β-γ 滤波 | 第14-18页 |
| 2.5 Kalman滤波 | 第18-21页 |
| 2.6 扩展的Kalman滤波算法（EKF） | 第21-24页 |
| 2.7 算法仿真 | 第24-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第三章 神经网络及其优化 | 第32-44页 |
| 3.1 人工神经网络的发展历史 | 第32-33页 |
| 3.2 神经网络的结构与分类 | 第33-35页 |
| 3.3 BP神经网络设计及优化 | 第35-39页 |
| 3.4 算法仿真及应用 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 BP神经网络校正的Kalman滤波算法 | 第44-51页 |
| 4.1 Kalman滤波算法的校正原理 | 第44-45页 |
| 4.2 基于BP神经网络校正的Kalman滤波器的设计 | 第45-47页 |
| 4.3 仿真与分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 BP神经网络校正的扩展的Kalman滤波算法的在目标跟踪中的应用 | 第51-61页 |
| 5.1 目标跟踪简介 | 第51-54页 |
| 5.2 基于“当前”统计模型的BP神经网络校正的扩展的Kalman滤波算法的应用 | 第54-59页 |
| 5.3 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士期间发表的论文 | 第65-66页 |
| 参考文献 | 第66-70页 |
