| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 课题背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文主要研究内容 | 第9-11页 |
| 第2章 Bayesian滤波 | 第11-16页 |
| 2.1 预备知识 | 第11-12页 |
| 2.2 动态系统模型概述 | 第12-13页 |
| 2.2.1 隐Markov模型 | 第12页 |
| 2.2.2 动态系统模型 | 第12-13页 |
| 2.3 Kalman滤波 | 第13页 |
| 2.4 Bayesian滤波框架 | 第13-15页 |
| 2.5 本章小结 | 第15-16页 |
| 第3章 序贯Monte Carlo方法 | 第16-26页 |
| 3.1 Bayesian滤波的Monte Carlo逼近 | 第16页 |
| 3.2 重要性抽样 | 第16-18页 |
| 3.3 序贯重要性抽样 | 第18-19页 |
| 3.4 序贯重要性重抽样 | 第19-22页 |
| 3.5 最优重要性密度函数 | 第22-25页 |
| 3.6 本章小结 | 第25-26页 |
| 第4章 Rao-Blackwellised粒子滤波 | 第26-42页 |
| 4.1 Rao-Blackwellisation技术 | 第26-27页 |
| 4.2 Rao-Blackwellised粒子滤波一般性框架 | 第27-32页 |
| 4.3 跳跃Markov线性系统模型 | 第32-34页 |
| 4.4 混合线性/非线性Gauss模型 | 第34-39页 |
| 4.5 混合线性/非线性Gauss模型的重要性密度函数选取 | 第39-41页 |
| 4.5.1 混合线性/非线性Gauss模型特例的OPDF | 第39-40页 |
| 4.5.2 混合线性/非线性Gauss模型的SOPDF | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 仿真实例及效果评估 | 第42-54页 |
| 5.1 二阶线性系统模型 | 第42-43页 |
| 5.2 四维纯方位跟踪模型 | 第43-46页 |
| 5.3 杂波模型 | 第46-49页 |
| 5.4 四阶混合线性/非线性Gauss系统模型 | 第49-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
