| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 机动目标跟踪国内外研究现状及发展趋势 | 第11-13页 |
| 1.2.1 机动目标模型的研究现状 | 第11-12页 |
| 1.2.2 机动目标滤波算法研究现状 | 第12-13页 |
| 1.3 微弱目标检测前跟踪国内外研究现状及发展趋势 | 第13-16页 |
| 1.4 论文的主要内容和安排 | 第16-17页 |
| 第2章 机动目标模型及滤波基础 | 第17-28页 |
| 2.1 机动目标跟踪基本原理 | 第17-18页 |
| 2.2 机动目标运动模型 | 第18-23页 |
| 2.2.1 CV模型和CA模型 | 第18-19页 |
| 2.2.2 Singer模型 | 第19-21页 |
| 2.2.3“当前”统计模型 | 第21页 |
| 2.2.4 Jerk模型 | 第21-23页 |
| 2.3 机动目标跟踪滤波算法 | 第23-27页 |
| 2.3.1 卡尔曼滤波 | 第23-26页 |
| 2.3.2 常增益滤波器 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第3章 自适应机动目标跟踪算法研究 | 第28-48页 |
| 3.1 自适应滤波技术简介 | 第28页 |
| 3.2 基于速度检测的自适应卡尔曼滤波（VAKF） | 第28-31页 |
| 3.2.1 VAKF算法滤波模型 | 第28-30页 |
| 3.2.2 自适应因子的生成 | 第30-31页 |
| 3.3 基于改进“当前”模型的自适应卡尔曼滤波 | 第31-34页 |
| 3.3.1“当前”模型的自适应滤波 | 第31-33页 |
| 3.3.2 改进的“当前”统计模型算法 | 第33-34页 |
| 3.4 基于多项式拟合的自适应滤波算法 | 第34-38页 |
| 3.4.1 ROMA算法滤波模型 | 第34-35页 |
| 3.4.2 ROMA算法滤波流程 | 第35-36页 |
| 3.4.3 改进ROMA算法及其实现 | 第36-38页 |
| 3.5 算法仿真分析及实测数据验证结果 | 第38-46页 |
| 3.5.1 自适应机动目标跟踪算法仿真分析 | 第38-42页 |
| 3.5.2 改进ROMA仿真分析 | 第42-44页 |
| 3.5.3 改进ROMA实测数据处理结果 | 第44-46页 |
| 3.6 小结 | 第46-48页 |
| 第4章 机动目标跟踪算法在微弱机动目标TBD中的应用 | 第48-62页 |
| 4.1 引言 | 第48-49页 |
| 4.2 目标模型 | 第49-50页 |
| 4.3 算法处理流程 | 第50-55页 |
| 4.3.1 低门限CFAR判决 | 第51-52页 |
| 4.3.2 基于特征的点迹过滤 | 第52页 |
| 4.3.3 基于机动目标跟踪算法的检测前跟踪 | 第52-54页 |
| 4.3.4 基于特征的航迹过滤 | 第54-55页 |
| 4.4 算法实测数据验证 | 第55-61页 |
| 4.4.1 实测数据处理结果 | 第55-59页 |
| 4.4.2 算法实时处理能力分析 | 第59-61页 |
| 4.5 小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表论文与研究成果清单 | 第68-69页 |
| 致谢 | 第69页 |
