| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题研究背景及意义 | 第7-8页 |
| ·被动多目标跟踪的关键技术 | 第8-10页 |
| ·被动观测的非线性和不完全可测性 | 第8-9页 |
| ·多目标跟踪的数据关联 | 第9-10页 |
| ·课题相关技术的国内外研究发展及现状 | 第10-13页 |
| ·被动传感器信息融合技术 | 第10-11页 |
| ·多目标跟踪技术 | 第11-12页 |
| ·随机集理论 | 第12-13页 |
| ·论文的主要工作与章节安排 | 第13-15页 |
| 第二章 被动多传感器系统的数据处理概述 | 第15-29页 |
| ·引言 | 第15-16页 |
| ·被动多传感器跟踪系统的数学描述 | 第16页 |
| ·被动多传感器系统的观测融合方法 | 第16-18页 |
| ·被动传感器阵列观测扩维滤波法 | 第17页 |
| ·被动多传感器观测交叉定位法 | 第17-18页 |
| ·被动多传感器系统的观测关联算法 | 第18-21页 |
| ·被动观测关联概述 | 第18-19页 |
| ·改进的3-D 分配算法 | 第19-21页 |
| ·基于粒子滤波的多传感器观测-目标关联算法 | 第21-28页 |
| ·算法原理和过程 | 第22-26页 |
| ·仿真实验与分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于随机集 PHD 的被动多传感器多目标跟踪 | 第29-39页 |
| ·引言 | 第29页 |
| ·随机集相关理论 | 第29-33页 |
| ·随机集统计理论 | 第29-31页 |
| ·随机集多目标跟踪理论 | 第31-32页 |
| ·随机集PHD 迭代 | 第32-33页 |
| ·随机集高斯混合PHD 滤波算法 | 第33-36页 |
| ·算法递推过程 | 第34-36页 |
| ·算法的计算复杂度分析 | 第36页 |
| ·随机集多目标跟踪性能评价体系 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 推广的随机集 PHD 被动多传感器多目标跟踪 | 第39-59页 |
| ·引言 | 第39-40页 |
| ·高斯和粒子采样PHD 被动多目标跟踪 | 第40-46页 |
| ·GSPPHD 滤波算法 | 第40-42页 |
| ·QMC-GSPPHD 滤波算法 | 第42-44页 |
| ·仿真实验与分析 | 第44-46页 |
| ·交互多模型PHD 被动多目标跟踪 | 第46-57页 |
| ·交互多模型（IMM）原理 | 第46-47页 |
| ·IMM-PHD 算法 | 第47-53页 |
| ·仿真实验与分析 | 第53-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 基于随机集 PHD 的多目标航迹关联跟踪 | 第59-69页 |
| ·引言 | 第59-60页 |
| ·RBPF 算法概述 | 第60页 |
| ·随机集RBPF-PHD 关联跟踪 | 第60-68页 |
| ·RBPF 关联滤波算法 | 第61-65页 |
| ·RBPF-PHD 关联滤波算法 | 第65页 |
| ·仿真实验与分析 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 结束语 | 第69-71页 |
| ·全文总结 | 第69-70页 |
| ·未来展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 作者在攻读硕士学位期间撰写的论文 | 第78-79页 |