基于随机集理论的被动多传感器多目标跟踪
摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第一章 绪论 | 第12-22页 |
·研究背景及意义 | 第12-13页 |
·被动多传感器目标跟踪系统 | 第13-16页 |
·多目标跟踪技术研究现状 | 第16-17页 |
·随机集理论概述 | 第17-19页 |
·论文主要研究成果与内容安排 | 第19-22页 |
第二章 被动多传感器多目标跟踪基础 | 第22-34页 |
·引言 | 第22页 |
·被动多传感器量测建模 | 第22-23页 |
·目标运动建模 | 第23-28页 |
·CV与CA模型 | 第24页 |
·Singer模型 | 第24-26页 |
·当前统计模型 | 第26-28页 |
·转弯模型 | 第28页 |
·滤波算法 | 第28-33页 |
·卡尔曼滤波 | 第28-30页 |
·扩展卡尔曼滤波 | 第30页 |
·粒子滤波 | 第30-33页 |
·本章小结 | 第33-34页 |
第三章 被动多传感器量测数据关联 | 第34-56页 |
·引言 | 第34页 |
·多维分配问题 | 第34-36页 |
·拉格朗日松弛算法 | 第36-38页 |
·基于距离加权最小二乘的改进代价函数 | 第38-47页 |
·距离加权最小二乘估计 | 第39-42页 |
·改进代价函数 | 第42-43页 |
·仿真实验与分析 | 第43-47页 |
·基于统计量检验的快速关联算法 | 第47-55页 |
·两传感器统计量检验 | 第47-48页 |
·三传感器统计量检验 | 第48-50页 |
·快速关联算法 | 第50-53页 |
·仿真实验与分析 | 第53-55页 |
·本章小结 | 第55-56页 |
第四章 基于随机集PHD的多目标跟踪 | 第56-82页 |
·引言 | 第56页 |
·随机集滤波模型 | 第56-58页 |
·PHD滤波 | 第58-61页 |
·高斯混合PHD滤波 | 第59-60页 |
·粒子PHD滤波 | 第60-61页 |
·基于PHD的多传感器多目标跟踪 | 第61-70页 |
·多传感器PHD近似算法 | 第62-63页 |
·改进的多传感器PHD近似算法 | 第63-65页 |
·仿真实验与分析 | 第65-70页 |
·基于PHD的多机动目标跟踪 | 第70-81页 |
·多模型粒子PHD滤波 | 第71-73页 |
·交互多模型粒子PHD滤波 | 第73-75页 |
·交互多模型RBP-PHD滤波 | 第75-77页 |
·仿真实验与分析 | 第77-81页 |
·本章小结 | 第81-82页 |
第五章 基于随机集CPHD的多目标跟踪 | 第82-104页 |
·引言 | 第82-83页 |
·CPHD滤波 | 第83-85页 |
·改进的CPHD滤波 | 第85-92页 |
·目标漏检问题 | 第85-86页 |
·改进算法 | 第86-89页 |
·仿真实验与分析 | 第89-92页 |
·基于CPHD的被动测角跟踪 | 第92-103页 |
·高斯混合粒子CPHD滤波 | 第93-95页 |
·改进的GMP-CPHD滤波 | 第95-99页 |
·仿真实验与分析 | 第99-103页 |
·本章小结 | 第103-104页 |
第六章 基于随机集MeMBer的多目标跟踪 | 第104-120页 |
·引言 | 第104页 |
·MeMBer滤波 | 第104-106页 |
·改进的MeMBer滤波 | 第106-113页 |
·量测新息弱化问题 | 第106-108页 |
·改进算法 | 第108-110页 |
·仿真实验与分析 | 第110-113页 |
·基于改进MeMBer的被动测角多目标跟踪 | 第113-118页 |
·GMP-IMeMBer滤波 | 第113-116页 |
·仿真实验与分析 | 第116-118页 |
·本章小结 | 第118-120页 |
第七章 随机集滤波的航迹管理 | 第120-130页 |
·引言 | 第120-121页 |
·估计与航迹关联 | 第121-122页 |
·基于模糊聚类的航迹管理算法 | 第122-126页 |
·仿真实验与分析 | 第126-129页 |
·本章小结 | 第129-130页 |
第八章 总结与展望 | 第130-132页 |
·总结 | 第130-131页 |
·展望 | 第131-132页 |
致谢 | 第132-134页 |
参考文献 | 第134-148页 |
作者在读期间的研究成果 | 第148-150页 |