| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-13页 |
| 1 研究背景及意义 | 第7页 |
| 2 机动目标跟踪的理论基础 | 第7-9页 |
| 3 国内外研究现状及发展趋势 | 第9-11页 |
| 4 本文内容安排及组织结构 | 第11-13页 |
| 第二章 基于多模型的机动目标跟踪算法介绍及分析 | 第13-31页 |
| 2.1 引言 | 第13-14页 |
| 2.2 多模型估计算法的基本介绍 | 第14-24页 |
| 2.2.1 多模型估计方法的基本概念 | 第14-16页 |
| 2.2.2 多模型估计方法的基本结构 | 第16-18页 |
| 2.2.3 多模型估计的最优估计准则 | 第18-19页 |
| 2.2.4 三代多模型估计算法 | 第19-24页 |
| 2.3 基于交互式多模型估计的机动目标跟踪算法 | 第24-27页 |
| 2.3.1 跟踪问题描述 | 第24-25页 |
| 2.3.2 交互式多模型（IMM）估计算法 | 第25-27页 |
| 2.4 实验仿真及分析 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于变结构多模型的单机动目标跟踪算法 | 第31-57页 |
| 3.1 引言 | 第31-32页 |
| 3.2 变结构多模型估计算法基本介绍 | 第32-34页 |
| 3.3 具有参数自适应的变结构多模型强跟踪算法 | 第34-46页 |
| 3.3.1 问题描述及最小模型组的有向图分析 | 第35-37页 |
| 3.3.2 具有参数自适应的变结构多模型强跟踪算法 | 第37-42页 |
| 3.3.3 实验与仿真分析 | 第42-46页 |
| 3.4 基于最小模型组的最优模型扩展机动目标跟踪算法 | 第46-56页 |
| 3.4.1 最小KL（Kullback-Leibler）信息准则下的最优模型扩展 | 第46-49页 |
| 3.4.2 模型集自适应 | 第49-51页 |
| 3.4.3 实验与仿真分析 | 第51-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 基于变结构多模型的多机动目标跟踪算法 | 第57-74页 |
| 4.1 引言 | 第57页 |
| 4.2 交互式多模型联合概率数据关联算法 | 第57-69页 |
| 4.2.1 联合概率数据关联算法（JPDA） | 第58-64页 |
| 4.2.1.1 关联事件的建立 | 第58-61页 |
| 4.2.1.2 联合概率的计算 | 第61-64页 |
| 4.2.2 交互式多模型联合概率数据关联（IMMJPDA）算法 | 第64-69页 |
| 4.3 基于变结构多模型联合概率数据关联算法 | 第69-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 论文总结 | 第74页 |
| 5.2 工作展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83-84页 |
