摘要 | 第1-6页 |
Abstract | 第6-8页 |
目录 | 第8-11页 |
图表索引 | 第11-13页 |
第一章 绪论 | 第13-24页 |
·课题的提出 | 第13-14页 |
·目标运动参数的滤波预测 | 第14-16页 |
·有限记忆最小平方滤波 | 第14页 |
·α-β-γ滤波 | 第14-15页 |
·Kalman滤波 | 第15页 |
·推广Kalman滤波 | 第15-16页 |
·本文采用的滤波算法 | 第16页 |
·非线性滤波技术现状 | 第16-18页 |
·非线性滤波在目标跟踪中的应用 | 第18-22页 |
·本论文的研究内容 | 第22-24页 |
第二章 Kalman预测目标参数理论 | 第24-39页 |
·跟踪目标模型 | 第24-29页 |
·目标的运动方程与状态模型 | 第24-28页 |
·运动方程离散化 | 第28-29页 |
·Kalman滤波算法 | 第29-33页 |
·Kalmall滤波算法 | 第29-32页 |
·推广Kalman滤波算法 | 第32-33页 |
·机动目标自适应滤波 | 第33-38页 |
·增加过程噪声协方差 | 第34-35页 |
·机动目标的相关噪声模型 | 第35页 |
·可变维滤波器 | 第35-36页 |
·多模型方法 | 第36-37页 |
·输入加速度估计器 | 第37-38页 |
·小结 | 第38-39页 |
第三章 改进的推广Kalman滤波算法和贯序滤波算法 | 第39-68页 |
·引言 | 第39-42页 |
·光电跟踪目标模型的建立 | 第42-49页 |
·目标状态模型 | 第42-46页 |
·白噪声情形下目标的状态模型 | 第42-43页 |
·有色噪声情形下目标的状态模型 | 第43-46页 |
·光电跟踪目标的测量模型 | 第46-49页 |
·直角坐标系的测量模型 | 第47页 |
·极坐标系的测量模型 | 第47-49页 |
·改进的推广Kalman滤波算法 | 第49-58页 |
·线性化误差对滤波性能的影响 | 第49-51页 |
·实际测量噪声均值和方差的估计算法 | 第51-56页 |
·改进的推广Kalman滤波算法 | 第56-57页 |
·滤波运行过程 | 第57-58页 |
·贯序滤波算法 | 第58-64页 |
·贯序处理算法 | 第58-61页 |
·光电跟踪目标贯序滤波算法 | 第61-64页 |
·光电跟踪系统Kalman滤波的实现 | 第64-66页 |
·滤波器的输入 | 第64页 |
·滤波器的输出 | 第64-65页 |
·目标预测算法——记忆跟踪 | 第65-66页 |
·延迟补偿算法 | 第66页 |
·小结 | 第66-68页 |
第四章 光电跟踪目标自适应滤波算法 | 第68-78页 |
·引言 | 第68-69页 |
·目标机动时Kalman滤波方程的特点 | 第69-71页 |
·机动目标模型的建立 | 第71-76页 |
·非零均值一阶时间相关模型 | 第71-72页 |
·机动加速度方差的修正 | 第72-73页 |
·机动目标的状态模型 | 第73-76页 |
·修正的机动目标自适应滤波算法 | 第76-77页 |
·小结 | 第77-78页 |
第五章 目标参数预测滤波算法实验验证 | 第78-94页 |
·实验数据的获得 | 第78-81页 |
·修正自适应滤波算法对于已知信号的跟踪实验 | 第81-82页 |
·修正自适应滤波算法对于匀速运动目标的跟踪实验 | 第82-83页 |
·修正自适应滤波算法对于蛇形机动目标跟踪实验 | 第83-85页 |
·改进的推广Kalman滤波算法与EKF跟踪性能比较实验 | 第85-86页 |
·修正自适应滤波算法与当前模型自适应算法比较实验 | 第86-88页 |
·噪声对修正自适应滤波算法跟踪性能影响实验 | 第88-92页 |
·过程噪声对修正自适应滤波算法跟踪性能的影响 | 第88-90页 |
·测量噪声对修正自适应滤波算法跟踪性能的影响 | 第90-92页 |
·小结 | 第92-94页 |
第六章 总结与展望 | 第94-98页 |
·总结 | 第94-96页 |
·主要结论 | 第96-97页 |
·未来工作 | 第97-98页 |
参考文献 | 第98-106页 |
攻读博士期间发表的论文及研究工作 | 第106-107页 |
作者简历 | 第107-108页 |
致谢 | 第108-109页 |
长春光学精密机械与物理研究所博士学位论文原创性声明 | 第109页 |