| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题的背景及意义 | 第12-13页 |
| ·数据融合理论及其研究动态 | 第13-14页 |
| ·数据融合相关理论 | 第13-14页 |
| ·数据融合国内外研究动态 | 第14页 |
| ·多目标跟踪中数据融合方法的研究现状 | 第14-16页 |
| ·论文的研究内容及结构安排 | 第16-18页 |
| 第2章 多传感器数据融合功能与结构模型 | 第18-27页 |
| ·引言 | 第18页 |
| ·数据融合功能模型 | 第18-20页 |
| ·位置级数据融合处理结构 | 第20-24页 |
| ·分布式数据融合处理结构 | 第20-21页 |
| ·集中式数据融合处理结构 | 第21-22页 |
| ·混合式数据融合处理结构 | 第22页 |
| ·多级式数据融合处理结构 | 第22-23页 |
| ·串联型混合式数据融合处理结构 | 第23-24页 |
| ·基于随机集理论的数据融合处理结构 | 第24-25页 |
| ·基于 PHD 滤波的分布式数据融合处理结构 | 第24-25页 |
| ·基于 PHD 滤波的串联型混合式数据融合处理结构 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 多传感器数据融合数据关联方法 | 第27-42页 |
| ·引言 | 第27-28页 |
| ·数据关联方式分类 | 第28-29页 |
| ·多目标跟踪分布式航迹关联方法 | 第29-33页 |
| ·基于统计理论的航迹关联算法 | 第29-31页 |
| ·基于模糊理论的航迹关联算法 | 第31-33页 |
| ·多目标跟踪集中式数据关联方法 | 第33-36页 |
| ·全局最近邻数据关联方法 | 第33页 |
| ·联合概率数据关联 | 第33-36页 |
| ·基于模糊推理方法的多目标跟踪数据关联 | 第36-40页 |
| ·模糊推理数据关联技术 | 第37-38页 |
| ·模糊推理数据关联系统实现 | 第38-40页 |
| ·仿真分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 多传感器数据融合状态估计滤波方法 | 第42-75页 |
| ·引言 | 第42页 |
| ·多目标跟踪典型滤波方法 | 第42-50页 |
| ·贝叶斯滤波 | 第42-45页 |
| ·卡尔曼滤波 | 第45-47页 |
| ·粒子滤波 | 第47-50页 |
| ·随机有限集理论 | 第50-54页 |
| ·随机集的定义 | 第50-52页 |
| ·基于随机有限集的多目标状态模型及观测模型 | 第52-54页 |
| ·基于随机有限集理论的概率假设密度滤波 | 第54-58页 |
| ·基于随机有限集的贝叶斯滤波框架 | 第54-55页 |
| ·概率假设密度滤波方法 | 第55-56页 |
| ·概率假设密度滤波的实现方法 | 第56-57页 |
| ·多目标跟踪概率假设密度滤波算法的性能评价指标 | 第57-58页 |
| ·多目标跟踪中概率假设密度滤波 | 第58-62页 |
| ·粒子概率假设密度滤波方法 | 第58-59页 |
| ·一种改进的边缘化粒子概率假设密度滤波方法 | 第59-60页 |
| ·仿真分析 | 第60-62页 |
| ·低检测概率下的多目标跟踪 | 第62-74页 |
| ·低检测概率问题描述 | 第62-64页 |
| ·PHD 滤波平滑算法 | 第64-66页 |
| ·低检测概率下多目标跟踪的 GM-PHD 平滑器的实现 | 第66-68页 |
| ·仿真分析 | 第68-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第82-83页 |
| 致谢 | 第83-84页 |