首页--工业技术论文--无线电电子学、电信技术论文--光电子技术、激光技术论文--红外技术及仪器论文--红外探测、红外探测器论文

基于高斯粒子滤波的红外点目标跟踪算法研究

摘要第1-5页
Abstract第5-13页
第一章 绪论第13-18页
   ·研究背景及其意义第13-15页
     ·IRST 系统的原理和分类第13-14页
     ·IRST 系统的发展和前景第14-15页
   ·目标跟踪问题第15-16页
     ·目标跟踪问题的由来第15-16页
     ·目标跟踪问题的分类第16页
   ·本文的主要工作第16-18页
第二章 目标跟踪概论第18-34页
   ·引言第18页
   ·目标跟踪的基本原理第18-21页
     ·单目标跟踪的基本原理第18-20页
     ·多目标跟踪基本原理第20-21页
   ·目标运动模型第21-25页
     ·匀速(CV)模型和常加速(CA)模型第22页
     ·零均值Singer 模型第22-23页
     ·“当前”统计模型第23-25页
   ·基本的跟踪滤波与预测第25-31页
     ·卡尔曼滤波第25-27页
     ·检测自适应滤波第27页
     ·实时辨识自适应滤波第27-28页
     ·全面自适应滤波第28页
     ·IMM 滤波第28-31页
   ·多目标数据关联算法简介第31-33页
   ·本章小结第33-34页
第三章 粒子滤波及其改进算法第34-54页
   ·引言第34页
   ·非线性估计方法第34-39页
     ·推广卡尔曼滤波第35页
     ·Unscented 滤波第35-37页
     ·高斯厄米特滤波(GHF)第37-39页
     ·神经网络滤波第39页
   ·基本的粒子滤波算法第39-43页
     ·最优贝叶斯估计第39-40页
     ·基本的粒子滤波(Sequential Importance Sampling简称SIS)原理第40-41页
     ·基本的粒子滤波SIS 算法步骤第41-42页
     ·基本的粒子滤波SIS 存在问题及解决方法第42-43页
   ·一般的粒子滤波算法第43-44页
   ·粒子滤波的改进算法第44-47页
     ·辅助采样-重采样粒子滤波算法第44页
     ·规则化采样粒子滤波算法第44-45页
     ·自适应粒子滤波算法第45页
     ·UPF 算法第45-46页
     ·高斯-厄米特粒子滤波(GHPF)算法第46-47页
   ·高斯粒子滤波第47-50页
     ·高斯粒子滤波(GPF)算法第47-49页
     ·高斯粒子滤波(GPF)算法步骤第49-50页
   ·高斯粒子滤波与多种非线性估计方法仿真分析比较第50-52页
     ·仿真模型第50页
     ·仿真方法及结果分析第50-52页
     ·结论第52页
   ·本章小结第52-54页
第四章 基于高斯粒子滤波的红外机动目标跟踪算法第54-71页
   ·引言第54页
   ·IRST 系统单站被动跟踪存在问题及解决方法第54-55页
   ·典型的IRST 系统单站机动目标跟踪算法第55-59页
     ·标准的交互多模型跟踪算法第55-57页
     ·“当前”统计模型自适应跟踪算法第57-59页
   ·基于高斯粒子滤波的交互多模型跟踪算法第59-66页
     ·基于高斯粒子滤波的交互多模型跟踪算法原理第59-62页
     ·仿真分析第62-66页
   ·基于高斯粒子滤波的“当前”统计模型跟踪算法第66-70页
     ·基于高斯粒子滤波的“当前”模型跟踪算法原理及步骤第66-67页
     ·仿真模型及仿真分析第67-70页
   ·本章小结第70-71页
第五章 基于高斯粒子滤波的红外多目标数据关联算法第71-91页
   ·引言第71-73页
   ·数据关联问题描述第73-75页
   ·基于CSM-GPF 的红外多目标数据关联算法第75-81页
     ·红外多目标数据关联算法第75-80页
     ·航迹预测滤波算法第80-81页
   ·红外多目标数据关联算法仿真第81-90页
     ·平行运动目标关联跟踪仿真第81-85页
     ·交叉运动目标关联跟踪仿真第85-90页
     ·结论第90页
   ·本章小结第90-91页
第六章 结束语第91-93页
参考文献第93-100页
致 谢第100-101页
在学期间的研究成果及发表的学术论文第101页

论文共101页,点击 下载论文
上一篇:一种新型奥氏体不锈钢疲劳性能的研究
下一篇:网络环境下销售服装的展示