摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-14页 |
1.1 课题的背景及研究意义 | 第8-9页 |
1.2 国内外的研究现状及分析 | 第9-12页 |
1.2.1 非线性滤波的发展概述 | 第9-10页 |
1.2.2 数据关联的发展概述 | 第10-11页 |
1.2.3 航迹关联的发展概述 | 第11-12页 |
1.2.4 航迹融合 | 第12页 |
1.3 本课题的主要研究内容 | 第12-13页 |
1.4 本文结构 | 第13-14页 |
第2章 目标跟踪中的状态估计 | 第14-32页 |
2.1 前言 | 第14页 |
2.2 卡尔曼滤波器(KF) | 第14-16页 |
2.3 扩展卡尔曼滤波(EKF) | 第16-18页 |
2.4 不敏卡尔曼滤波 | 第18-24页 |
2.5 联合概率数据关联(JPDA)算法 | 第24-31页 |
2.5.1 JPDA 算法的基本模型 | 第24-26页 |
2.5.2 联合事件概率的计算 | 第26-27页 |
2.5.3 状态估计协方差的计算 | 第27-31页 |
2.6 本章小结 | 第31-32页 |
第3章 分布式多舰载地波超视距雷达融合算法研究 | 第32-47页 |
3.1 引言 | 第32页 |
3.2 基于 UKF 滤波的联合概率关联算法 | 第32-35页 |
3.2.1 多目标跟踪 | 第32-34页 |
3.2.2 UKF 滤波器 | 第34-35页 |
3.3 航迹关联算法研究 | 第35-42页 |
3.3.1 加权航迹关联算法 | 第37页 |
3.3.2 序贯航迹关联算法 | 第37-38页 |
3.3.3 基于曲线拟合的航迹关联算法 | 第38-40页 |
3.3.4 航迹关联算法的性能比较 | 第40-42页 |
3.4 航迹融合算法的研究 | 第42-45页 |
3.4.1 简单凸组合(SF)融合算法 | 第42-43页 |
3.4.2 协方差加权航迹融合(WCF)算法 | 第43-44页 |
3.4.3 无反馈的最优分布式航迹融合算法 | 第44-45页 |
3.5 本章小结 | 第45-47页 |
第4章 分布式多舰载雷达融合算法仿真及性能分析 | 第47-59页 |
4.1 引言 | 第47页 |
4.2 仿真结果及性能分析 | 第47-54页 |
4.2.1 JPDA/UKF 算法 | 第47-50页 |
4.2.2 分布式舰载雷达航迹融合算法的性能比较 | 第50-54页 |
4.3 分布式对 DMS-SWR 系统跟踪精度的影响 | 第54-57页 |
4.4 本章小结 | 第57-59页 |
结论 | 第59-61页 |
参考文献 | 第61-65页 |
攻读硕士学位期间发表的论文及其它成果 | 第65-67页 |
致谢 | 第67页 |