| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 目标跟踪技术研究现状 | 第15-16页 |
| 1.3 论文主要研究成果与内容安排 | 第16-18页 |
| 第二章 随机集多目标跟踪理论基础 | 第18-28页 |
| 2.1 引言 | 第18-19页 |
| 2.2 随机集滤波模型 | 第19-21页 |
| 2.3 标签多伯努利滤波模型 | 第21-27页 |
| 2.3.1 贝叶斯框架下的标签随机集 | 第21-24页 |
| 2.3.2 δ-GLMB滤波器 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于标签伯努利滤波器的多目标联合跟踪算法 | 第28-44页 |
| 3.1 引言 | 第28-29页 |
| 3.2 多目标联合检测、跟踪、分类基础理论 | 第29-32页 |
| 3.2.1 JDE原理 | 第29-30页 |
| 3.2.2 CJDE原理 | 第30-32页 |
| 3.3 基于标签伯努利滤波器的多目标联合跟踪算法 | 第32-36页 |
| 3.4 自适应新生多目标联合跟踪算法 | 第36-38页 |
| 3.4.1 自适应目标新生模型构建 | 第36-37页 |
| 3.4.2 ADP-CJDE-δ-GLMB算法流程 | 第37-38页 |
| 3.5 实验仿真与结果分析 | 第38-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 量测融合下的标签伯努利滤波器 | 第44-64页 |
| 4.1 引言 | 第44-45页 |
| 4.2 多目标跟踪中的量测融合似然模型 | 第45-46页 |
| 4.3 量测融合跟踪算法 | 第46-56页 |
| 4.3.1 算法步骤 | 第47-48页 |
| 4.3.2 匹配分组策略优化 | 第48-51页 |
| 4.3.3 算法流程 | 第51-56页 |
| 4.4 量测融合下的前后向平滑标签伯努利滤波算法 | 第56-58页 |
| 4.5 实验仿真与结果分析 | 第58-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |