多目标粒子滤波检测前跟踪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-13页 |
| 1.3 本文主要工作 | 第13-15页 |
| 第二章 多目标粒子滤波TBD算法 | 第15-34页 |
| 2.1 贝叶斯推理 | 第15-17页 |
| 2.2 粒子滤波理论 | 第17-21页 |
| 2.2.1 序贯重要性采样 | 第17-19页 |
| 2.2.2 重采样 | 第19-20页 |
| 2.2.3 利用粒子实现对目标状态估计 | 第20-21页 |
| 2.3 多目标模型 | 第21-26页 |
| 2.3.1 多目标贝叶斯推理 | 第21-22页 |
| 2.3.2 多目标运动模型 | 第22-24页 |
| 2.3.3 多目标量测模型 | 第24-26页 |
| 2.4 双层多目标粒子滤波算法 | 第26-31页 |
| 2.4.1 算法设计 | 第26-30页 |
| 2.4.2 算法流程 | 第30-31页 |
| 2.5 算法仿真 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于对数似然比的自适应粒子数粒子滤波算法 | 第34-54页 |
| 3.1 问题描述 | 第34-36页 |
| 3.2 LLBA-PF-TBD算法 | 第36-53页 |
| 3.2.1 算法设计 | 第36-43页 |
| 3.2.2 算法流程 | 第43-44页 |
| 3.2.3 算法仿真 | 第44-53页 |
| 3.3 本章小节 | 第53-54页 |
| 第四章 基于KLD的自适应粒子数粒子滤波算法 | 第54-73页 |
| 4.1 KLD粒子滤波算法 | 第54-67页 |
| 4.1.1 KL距离基础 | 第54-56页 |
| 4.1.2 在粒子滤波算法中应用KLD | 第56-59页 |
| 4.1.3 算法仿真 | 第59-67页 |
| 4.2 KLD与LLBA算法 | 第67-71页 |
| 4.3 本章小节 | 第71-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 全文总结 | 第73-74页 |
| 5.2 工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士期间取得的研究成果 | 第80-81页 |
