基于角度信息的单站无源定位跟踪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 背景与意义 | 第10-11页 |
| 1.2 单站无源定位跟踪的发展介绍 | 第11-12页 |
| 1.3 单站无源定位跟踪的技术介绍 | 第12-15页 |
| 1.3.1 定位跟踪的几何基础 | 第12-14页 |
| 1.3.2 定位跟踪方法 | 第14页 |
| 1.3.3 定位跟踪算法 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 基于角度信息的单站无源定位跟踪基础 | 第17-26页 |
| 2.1 定位跟踪的原理 | 第17-18页 |
| 2.2 定位跟踪精度分析 | 第18-20页 |
| 2.3 不同运动状态下的定位跟踪模型 | 第20-21页 |
| 2.4 可观测性分析 | 第21-24页 |
| 2.4.1 非线性系统的可观测性 | 第22-23页 |
| 2.4.2 不同运动状态的目标的可观测性分析 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于子空间数据融合的多目标直接定位算法 | 第26-36页 |
| 3.1 多目标定位的模型 | 第26-27页 |
| 3.2 传统的多目标定位算法 | 第27-30页 |
| 3.2.1 基于多重信号分类算法的DOA估计 | 第28-29页 |
| 3.2.2 最大似然估计（ML） | 第29-30页 |
| 3.3 子空间数据融合的定位算法 | 第30-34页 |
| 3.3.1 子空间数据融合的定位原理 | 第31-33页 |
| 3.3.2 算法仿真 | 第33-34页 |
| 3.4 仿真对比和性能分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于角度信息的单站无源跟踪滤波算法 | 第36-54页 |
| 4.1 基于角度信息的单站无源跟踪模型 | 第36-38页 |
| 4.2 扩展卡尔曼滤波（EKF）算法 | 第38-41页 |
| 4.3 改进的EKF算法 | 第41-45页 |
| 4.3.1 MGEKF算法 | 第41-43页 |
| 4.3.2 MVEKF算法 | 第43-45页 |
| 4.4 基于UT变换的滤波算法 | 第45-49页 |
| 4.4.1 UT变换原理 | 第45-46页 |
| 4.4.2 不敏卡尔曼滤波(UKF)算法 | 第46-48页 |
| 4.4.3 算法仿真 | 第48-49页 |
| 4.5 仿真对比和性能分析 | 第49-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 基于优化加权数据融合的UKF算法 | 第54-67页 |
| 5.1 数据融合算法 | 第54-57页 |
| 5.2 优化加权数据融合算法 | 第57-59页 |
| 5.3 基于优化加权数据融合的UKF算法 | 第59-61页 |
| 5.3.1 算法应用模型 | 第59-60页 |
| 5.3.2 算法原理 | 第60-61页 |
| 5.4 仿真对比和性能分析 | 第61-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第六章 全文总结与展望 | 第67-69页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 后续工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间取得的成就 | 第75-76页 |
