| 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 研究背景和意义 | 第14-16页 |
| 1.2 本文主要贡献及内容安排 | 第16-18页 |
| 第二章 多目标跟踪理论及混合效应状态空间模型 | 第18-26页 |
| 2.1 雷达多目标跟踪理论 | 第18-19页 |
| 2.2 混合效应状态空间模型 | 第19-23页 |
| 2.2.1 状态空间模型 | 第19-22页 |
| 2.2.2 混合效应状态空间模型 | 第22-23页 |
| 2.3 滤波理论 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 MESSM-MTT模型建立 | 第26-36页 |
| 3.1 MTT模型及处理思路探究 | 第26-29页 |
| 3.1.1 假设条件下的MTT模型 | 第26-27页 |
| 3.1.2 基于数据关联的处理思路 | 第27-29页 |
| 3.2 线性高斯目标跟踪模型建立 | 第29-30页 |
| 3.3 基于MESSM的非线性高斯目标跟踪模型建立 | 第30-31页 |
| 3.4 MESSM-GTT模型的建立 | 第31-34页 |
| 3.4.1 GTT模型介绍与改进 | 第31-32页 |
| 3.4.2 基于欧拉离散化方法的模型转化过程 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 MESSM-MTT状态估计 | 第36-48页 |
| 4.1 基于MHT算法的线性高斯目标跟踪算法 | 第36-40页 |
| 4.1.1 Kalman滤波 | 第36-37页 |
| 4.1.2 MHT改进算法 | 第37-40页 |
| 4.2 基于PF的MESSM-MTT状态估计 | 第40-43页 |
| 4.2.1 基于数据关联假设的MESSM模型状态估计算法探究 | 第40-41页 |
| 4.2.2 基于PF的状态估计方法 | 第41-43页 |
| 4.3 基于APF-KS的MESSM-MTT状态估计 | 第43-46页 |
| 4.3.1 辅助粒子滤波 | 第43-44页 |
| 4.3.2 APF-KS算法 | 第44-46页 |
| 4.4 状态估计的一致性检验方法 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 MESSM-GTT数值仿真 | 第48-58页 |
| 5.1 仿真模型设定及生成量测值 | 第48-50页 |
| 5.1.1 仿真模型设定 | 第48-49页 |
| 5.1.2 生成量测值 | 第49-50页 |
| 5.2 基于PF的模型仿真结果 | 第50-52页 |
| 5.3 基于APF-KS的模型仿真结果 | 第52-54页 |
| 5.4 仿真结果比较及一致性检验 | 第54-56页 |
| 5.5 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文总结 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
