| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 引言 | 第10-21页 |
| 1.1 运动模型的研究现状 | 第10-14页 |
| 1.1.1 基于动力学分析的运动模型 | 第11-12页 |
| 1.1.2 利用曲线拟合的运动模型 | 第12-13页 |
| 1.1.3 多模型估计方法 | 第13页 |
| 1.1.4 动态滤波在瞬时频率估计中的应用 | 第13-14页 |
| 1.1.5 耦合运动模型 | 第14页 |
| 1.2 目标跟踪非线性滤波的研究现状 | 第14-17页 |
| 1.3 论文的主要贡献 | 第17-19页 |
| 1.4 论文的章节安排 | 第19-21页 |
| 第二章 一维机动目标的曲线拟合预测模型 | 第21-43页 |
| 2.1 概述 | 第21-23页 |
| 2.2 一维机动目标的曲线拟合预测模型 | 第23-28页 |
| 2.3 一维曲线拟合预测模型的滤波算法分析 | 第28-34页 |
| 2.4 基于一维曲线拟合模型的交互多模型跟踪算法 | 第34-40页 |
| 2.5 一维曲线拟合模型在高阶调频信号估计中的应用 | 第40-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 高维机动目标的曲线拟合预测模型 | 第43-69页 |
| 3.1 引言 | 第43-45页 |
| 3.2 目标跟踪中的二维曲线拟合预测模型 | 第45-56页 |
| 3.2.1 二维曲线拟合预测模型 | 第45-50页 |
| 3.2.2 曲线拟合预测模型的UKF滤波算法 | 第50-51页 |
| 3.2.3 仿真结果 | 第51-56页 |
| 3.3 目标跟踪中的三维曲线耦合模型 | 第56-68页 |
| 3.3.1 三维曲线拟合预测模型及其滤波算法 | 第56-59页 |
| 3.2.2 仿真结果 | 第59-68页 |
| 3.4 结论 | 第68-69页 |
| 第四章 反向估计及其目标跟踪多观测融合 | 第69-92页 |
| 4.1 反向估计方法 | 第69-76页 |
| 4.1.1 反向估计理论 | 第69-71页 |
| 4.1.2 基于容积变换的反向估计信息滤波 | 第71-76页 |
| 4.2 基于反向估计的传感器网络单目标跟踪算法 | 第76-85页 |
| 4.2.1 传感器网络目标跟踪概述 | 第76-78页 |
| 4.2.2 基于反向估计的粒子滤波跟踪算法 | 第78-80页 |
| 4.2.3 仿真及分析 | 第80-85页 |
| 4.3 基于反向估计的传感器网络多目标跟踪算法 | 第85-91页 |
| 4.3.1 基于反向估计的多目标近邻分类算法 | 第85-87页 |
| 4.3.2 多目标跟踪算法仿真及分析 | 第87-91页 |
| 4.4 本章小结 | 第91-92页 |
| 第五章 最大后验采样粒子滤波及其在目标跟踪中的应用 | 第92-110页 |
| 5.1 概述 | 第92-95页 |
| 5.2 最大后验采样粒子滤波 | 第95-104页 |
| 5.2.1 最大后验重要性采样 | 第95-98页 |
| 5.2.2 量子行为粒子群优化方法 | 第98-100页 |
| 5.2.3 计算机仿真 | 第100-104页 |
| 5.3 信息补偿算法 | 第104-109页 |
| 5.3.1 信息补偿降维算法 | 第104-106页 |
| 5.3.2 计算机仿真 | 第106-109页 |
| 5.4 本章小结 | 第109-110页 |
| 第六章 总结与展望 | 第110-113页 |
| 6.1 全文研究工作总结 | 第110-111页 |
| 6.2 进一步研究设想 | 第111-113页 |
| 参考文献 | 第113-123页 |
| 博士期间主要研究成果 | 第123-124页 |
| 致谢 | 第124-125页 |