| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 状态估计理论 | 第12页 |
| 1.2.2 基于随机有限集的多目标跟踪算法 | 第12-14页 |
| 1.2.3 机动目标跟踪 | 第14-15页 |
| 1.3 论文研究内容和结构安排 | 第15-18页 |
| 2 理论基础 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 系统建模 | 第18-20页 |
| 2.2.1 单目标系统建模 | 第18-19页 |
| 2.2.2 多目标系统建模 | 第19页 |
| 2.2.3 机动目标跟踪系统建模 | 第19-20页 |
| 2.3 典型滤波器设计与实现 | 第20-27页 |
| 2.3.1 卡尔曼滤波及其改进算法 | 第21页 |
| 2.3.2 确定性采样滤波 | 第21-23页 |
| 2.3.3 随机性采样滤波 | 第23-25页 |
| 2.3.4 高斯混合概率假设密度滤波 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 集合卡尔曼滤波算法 | 第28-30页 |
| 3.3 基于M-H采样策略的多传感器EnKF算法 | 第30-33页 |
| 3.3.1 M-H采样策略 | 第30-31页 |
| 3.3.2 基于M-H的多传感器采样方法 | 第31-32页 |
| 3.3.3 算法实现步骤 | 第32-33页 |
| 3.4 仿真实验与结果分析 | 第33-37页 |
| 3.5 本章小结 | 第37-40页 |
| 4 基于一致性融合的量测自举CDK-GMPHD滤波算法 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 中心差分卡尔曼GMPHDF算法 | 第40-43页 |
| 4.3 基于一致性融合的量测自举CDK-GMPHDF | 第43-47页 |
| 4.3.1 量测自举策略 | 第43-44页 |
| 4.3.2 一致性融合策略 | 第44-45页 |
| 4.3.3 算法实现步骤 | 第45-47页 |
| 4.4 仿真实验与结果分析 | 第47-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 基于量测自举策略的CDKF机动目标跟踪算法 | 第52-62页 |
| 5.1 引言 | 第52页 |
| 5.2 基于量测自举策略的CDKF算法 | 第52-54页 |
| 5.3 基于IMM的量测自举CDKF算法 | 第54-57页 |
| 5.3.1 交互式多模型算法 | 第54-55页 |
| 5.3.2 算法实现步骤 | 第55-57页 |
| 5.4 仿真实验与结果分析 | 第57-60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间的科研成果 | 第70-71页 |
