| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·课题研究背景 | 第7-9页 |
| ·目标跟踪的发展及意义 | 第9-10页 |
| ·论文的主要内容及结构 | 第10-11页 |
| 2 目标跟踪的基本原理及机动目标模型 | 第11-17页 |
| ·目标跟踪原理 | 第11-12页 |
| ·跟踪坐标系的选择 | 第12页 |
| ·机动目标模型 | 第12-17页 |
| ·CV和CA模型 | 第13页 |
| ·一阶时间相关模型(Singer模型) | 第13-15页 |
| ·半马尔可夫模型 | 第15页 |
| ·"当前"统计模型(CSM) | 第15-17页 |
| 3 α-β滤波和α-β-γ滤波 | 第17-27页 |
| ·α-β滤波器 | 第17-18页 |
| ·α-β-γ滤波器 | 第18页 |
| ·参数的选择 | 第18-19页 |
| ·算法仿真 | 第19-22页 |
| ·Model 1:CV模型 | 第19-20页 |
| ·Model 2:CA模型 | 第20-21页 |
| ·Model 3:航迹模型 | 第21-22页 |
| ·改进的α-β滤波算法 | 第22-27页 |
| ·Model 1 | 第23-25页 |
| ·Model 2 | 第25-27页 |
| 4 kalman滤波 | 第27-42页 |
| ·kalman滤波算法原理 | 第28-30页 |
| ·算法仿真 | 第30-32页 |
| ·EKF及仿真 | 第32-34页 |
| ·基于"当前"模型的卡尔曼滤波自适应算法 | 第34-40页 |
| ·基于"当前"统计模型的kalman滤波算法原理 | 第35-37页 |
| ·改进的基于"当前"统计模型的kalman滤波算法 | 第37-38页 |
| ·仿真计算 | 第38-40页 |
| ·对kalman滤波的展望 | 第40-42页 |
| 5 IMM滤波跟踪算法 | 第42-56页 |
| ·混合状态系统的一般描述 | 第43-44页 |
| ·IMM滤波算法基本原理 | 第44-46页 |
| ·IMM滤波算法仿真 | 第46-48页 |
| ·IMM滤波器性能分析 | 第48-49页 |
| ·IMM模型优化设计方法 | 第49-52页 |
| ·目标跟踪下的kalman算法和IMM算法性能比较 | 第52-54页 |
| ·对于交互多模型算法的改进和展望 | 第54-56页 |
| 6 其他滤波算法 | 第56-59页 |
| ·线性自回归滤波 | 第56-57页 |
| ·两点外推滤波 | 第57页 |
| ·维纳滤波 | 第57-58页 |
| ·加权最小二乘滤波 | 第58页 |
| ·基本滤波与预测方法评述 | 第58-59页 |
| 7 结论 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |