| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-14页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 基于反馈神经网络的目标跟踪研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-14页 |
| 2 几种常见的反馈神经网络 | 第14-42页 |
| 2.1 以Hopfield神经网络为基础发展而来的反馈神经网络 | 第14-34页 |
| 2.1.1 Hopfield神经网络 | 第14-17页 |
| 2.1.2 暂态混沌神经网络 | 第17-22页 |
| 2.1.3 噪声混沌神经网络 | 第22-24页 |
| 2.1.4 迟滞混沌神经网络 | 第24-29页 |
| 2.1.5 噪声调整混沌神经网络 | 第29-34页 |
| 2.2 Elman神经网络 | 第34-40页 |
| 2.2.1 Elman神经网络结构 | 第35页 |
| 2.2.2 Elman神经网络数学模型 | 第35-36页 |
| 2.2.3 Elman神经网络学习过程 | 第36-39页 |
| 2.2.4 Elman神经网络优点 | 第39-40页 |
| 2.3 本章小结 | 第40-42页 |
| 3 噪声调整混沌神经网络在多目标跟踪数据关联问题中的应用 | 第42-54页 |
| 3.1 多目标跟踪数据关联问题 | 第43-44页 |
| 3.2 联合概率数据关联滤波 | 第44-48页 |
| 3.2.1 联合概率数据关联滤波算法 | 第44-45页 |
| 3.2.2 联合关联概率的计算 | 第45-46页 |
| 3.2.3 基于神经网络的联合关联概率 | 第46-48页 |
| 3.3 仿真分析 | 第48-53页 |
| 3.4 本章小结 | 第53-54页 |
| 4 Elman神经网络校正交互多模型卡尔曼滤波的机动目标跟踪 | 第54-68页 |
| 4.1 机动目标跟踪概述 | 第54-56页 |
| 4.2 滤波与预测算法 | 第56-58页 |
| 4.3 Elman神经网络校正交互多模型（IMM）卡尔曼滤波 | 第58-60页 |
| 4.4 仿真分析 | 第60-67页 |
| 4.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-74页 |
