| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 图目录 | 第11-13页 |
| 第1章 绪论 | 第13-26页 |
| ·研究历史 | 第13-15页 |
| ·粒子滤波和本文研究的相关问题 | 第15-24页 |
| ·从蒙特卡罗积分到粒子滤波 | 第15-18页 |
| ·粒子滤波的问题及其发展 | 第18-21页 |
| ·本文相关问题的研究现状 | 第21-24页 |
| ·本文的主要工作及贡献 | 第24-26页 |
| ·本文主要工作 | 第24-25页 |
| ·本文贡献 | 第25-26页 |
| 第2章 改进重采样步骤的粒子滤波 | 第26-43页 |
| ·引言 | 第26-27页 |
| ·现有的克服贫化的粒子滤波算法 | 第27-30页 |
| ·高斯粒子滤波 | 第27-28页 |
| ·正则化粒子滤波 | 第28-29页 |
| ·MCMC粒子滤波 | 第29-30页 |
| ·基于加权样本的随机矢量产生算法 | 第30-36页 |
| ·算法原理及实现 | 第31-33页 |
| ·有关参数的选择 | 第33-36页 |
| ·仿真及分析 | 第36-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 利用雷达采样单元相关性的跟踪研究 | 第43-70页 |
| ·引言 | 第43-44页 |
| ·雷达的目标参数估计 | 第44-48页 |
| ·目标参数的最优估计及理论精度 | 第44-47页 |
| ·基于离散样本的信号参量估计 | 第47-48页 |
| ·利用采样单元相关性跟踪的性能分析及实现 | 第48-61页 |
| ·采样单元相关性模型 | 第49-50页 |
| ·利用采样单元关联性跟踪的后验克拉美罗限 | 第50-53页 |
| ·粒子滤波实现 | 第53-54页 |
| ·仿真及分析 | 第54-61页 |
| ·回波幅度未知情况下的跟踪研究 | 第61-69页 |
| ·回波幅度未知时跟踪性能 | 第62-63页 |
| ·避免回波幅度维采样的两种跟踪方式 | 第63-66页 |
| ·仿真及分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第4章 基于粒子滤波的机动目标检测前跟踪 | 第70-92页 |
| ·引言 | 第70-71页 |
| ·多模型方法与多模型粒子滤波 | 第71-76页 |
| ·多模型方法 | 第71-74页 |
| ·多模型粒子滤波及其退化问题 | 第74-76页 |
| ·基于多模型粒子滤波的机动目标检测前跟踪 | 第76-78页 |
| ·基于分离模型变量的多模型粒子滤波的机动目标TBD | 第78-83页 |
| ·算法的Bayes推导 | 第79-80页 |
| ·粒子滤波实现 | 第80-83页 |
| ·仿真及分析 | 第83-91页 |
| ·本章小结 | 第91-92页 |
| 第5章 基于随机集的多目标跟踪 | 第92-119页 |
| ·引言 | 第92-93页 |
| ·多目标Bayes滤波与有限集统计学 | 第93-98页 |
| ·多目标Bayes滤波 | 第93-95页 |
| ·有限集统计学(FISST)简介 | 第95-98页 |
| ·PHD滤波器及其粒子滤波实现 | 第98-102页 |
| ·单传感器的PHD滤波器 | 第98-99页 |
| ·PHD滤波的粒子滤波实现 | 第99-101页 |
| ·多目标跟踪的误差评估 | 第101-102页 |
| ·改进的目标数估计及状态估计算法 | 第102-114页 |
| ·PHD滤波器的目标数估计 | 第103-104页 |
| ·改进的目标数估计及状态估计算法 | 第104-106页 |
| ·仿真及分析 | 第106-114页 |
| ·基于PHD的多目标检测前跟踪的初步探索 | 第114-117页 |
| ·非标准观测模型的PHD滤波器研究回顾 | 第115-116页 |
| ·基于PHD的多目标TBD初步研究 | 第116-117页 |
| ·本章小结 | 第117-119页 |
| 第6章 总结与展望 | 第119-120页 |
| 参考文献 | 第120-131页 |
| 作者攻读博士学位期间发表的论文 | 第131-132页 |
| 作者攻读博士学位期间参与的科研项目 | 第132-133页 |
| 致谢 | 第133-134页 |