| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| 1．1 研究背景和意义 | 第7-8页 |
| 1．2 研究历史及发展情况 | 第8-10页 |
| 1．3 本文的主要工作和内容安排 | 第10-11页 |
| 第二章 采样间隔自适应变化算法介绍 | 第11-20页 |
| 2．1 αβ滤波器 | 第11-15页 |
| 2．2 α－β－γ滤波器 | 第15-16页 |
| 2．3 采样间隔自适应变化算法 | 第16-20页 |
| 第三章 基于连续状态Hopfield神经网络的雷达目标跟踪算法 | 第20-30页 |
| 3．1 概述 | 第20-21页 |
| 3．2 系统模型假设 | 第21页 |
| 3．3 Hopfield神经网络模型 | 第21-24页 |
| 3．4 Hopfield神经网络状态估计算法 | 第24-25页 |
| 3．5 离散系统状态估计算法 | 第25-27页 |
| 3．6 采样间隔自适应算法的引入 | 第27-30页 |
| 第四章 计算机仿真试验及结果分析 | 第30-47页 |
| 4．1 仿真环境 | 第30-31页 |
| 4．2 目标运动轨迹模型 | 第31-33页 |
| 4．3 仿真过程 | 第33-37页 |
| 4．3．1 仿真步骤 | 第33-34页 |
| 4．3．2 干扰噪声形式 | 第34-35页 |
| 4．3．3 仿真试验结果统计量 | 第35-37页 |
| 4．4 仿真结果 | 第37-39页 |
| 4．5 传统滤波算法引入采样间隔自适应变化方法分析 | 第39-46页 |
| 4．5．1 单个滤波过程分析 | 第39-41页 |
| 4．5．2 αβ滤波／αβγ—square滤波 | 第41-42页 |
| 4．5．3 采样间隔离散变化情况 | 第42-45页 |
| 4．5．4 采样间隔连续取值变化 | 第45-46页 |
| 4．6 结论 | 第46-47页 |
| 第五章 人工神经网络目标跟踪算法仿真试验 | 第47-56页 |
| 5．1 卡尔曼滤波简介 | 第47-48页 |
| 5．2 连续型Hopfield神经网络建模 | 第48-50页 |
| 5．3 仿真试验及结果分析 | 第50-55页 |
| 5．4 结论 | 第55-56页 |
| 第六章 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-61页 |