| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7页 |
| ·目标跟踪研究进展与发展趋势 | 第7-14页 |
| ·运动目标常用的模型 | 第7-11页 |
| ·滤波算法的研究现状 | 第11-13页 |
| ·数据关联技术的发展 | 第13-14页 |
| ·论文的内容与组织 | 第14-15页 |
| 第二章 非线性滤波算法 | 第15-35页 |
| ·目标跟踪技术 | 第15-17页 |
| ·目标跟踪的基本原理 | 第15-16页 |
| ·跟踪门 | 第16页 |
| ·数据关联 | 第16-17页 |
| ·卡尔曼滤波算法 | 第17-23页 |
| ·卡尔曼滤波 | 第17-18页 |
| ·扩展卡尔曼滤波(EKF) | 第18-19页 |
| ·不敏卡尔曼滤波(UKF) | 第19-21页 |
| ·迭代扩展卡尔曼滤波(IEKF) | 第21-22页 |
| ·算法仿真及性能分析 | 第22-23页 |
| ·贝叶斯滤波原理 | 第23-25页 |
| ·蒙特卡罗方法 | 第25-26页 |
| ·粒子滤波算法 | 第26-32页 |
| ·序列重要性采样(SIS) | 第26-27页 |
| ·粒子匮乏现象 | 第27-28页 |
| ·重要性密度函数的选择 | 第28-29页 |
| ·重采样方法 | 第29-30页 |
| ·粒子滤波算法流程 | 第30-31页 |
| ·算法仿真 | 第31-32页 |
| ·本章小结 | 第32-35页 |
| 第三章 改进的粒子滤波算法 | 第35-45页 |
| ·基于不同重要性性密度函数的粒子滤波算法 | 第35-40页 |
| ·基于EKF的粒子滤波算法 | 第35-36页 |
| ·基于UKF的粒子滤波算法 | 第36-38页 |
| ·基于IEKF的粒子滤波算法 | 第38页 |
| ·算法仿真及性能分析 | 第38-40页 |
| ·基于MCMC的粒子滤波算法 | 第40-44页 |
| ·MCMC算法原理 | 第40-41页 |
| ·基于MCMC的粒子滤波算法 | 第41-42页 |
| ·实验仿真及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于粒子滤波的概率数据关联和交互式多模型目标跟踪算法 | 第45-57页 |
| ·概率数据互联滤波算法 | 第45-47页 |
| ·跟踪门 | 第45-46页 |
| ·概率数据互联(PDA) | 第46-47页 |
| ·交互式多模型(IMM)算法原理 | 第47-50页 |
| ·IMM-PF算法 | 第50页 |
| ·实验仿真 | 第50-56页 |
| ·仿真参数设置 | 第50-52页 |
| ·仿真结果及分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·未来展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间的论文和科研项目 | 第67页 |