神经网络辅助滤波在多雷达数据融合中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 前言 | 第9-16页 |
| ·多雷达数据融合概述 | 第10页 |
| ·国内外研究现状 | 第10-14页 |
| ·本文的研究工作 | 第14-16页 |
| 第二章 多雷达数据融合的基本理论 | 第16-40页 |
| ·数据融合基础 | 第16-22页 |
| ·数据融合的定义 | 第16-17页 |
| ·数据融合的功能模型 | 第17-18页 |
| ·数据融合的级别 | 第18-19页 |
| ·数据融合方式 | 第19-21页 |
| ·数据融合的基本方法 | 第21-22页 |
| ·单雷达数据处理 | 第22-31页 |
| ·坐标变换 | 第23-26页 |
| ·目标关联与相关门的选取 | 第26-31页 |
| ·航迹状态滤波 | 第31页 |
| ·多雷达航迹融合 | 第31-40页 |
| ·时空对准 | 第32-34页 |
| ·航迹关联 | 第34-36页 |
| ·航迹融合及其算法描述 | 第36-40页 |
| 第三章 目标跟踪中的滤波算法 | 第40-51页 |
| ·目标的运动模型 | 第40-43页 |
| ·CV 与CA 模型 | 第40-41页 |
| ·时间相关模型 | 第41-42页 |
| ·半马尔可夫模型 | 第42页 |
| ·当前统计模型 | 第42-43页 |
| ·雷达目标跟踪滤波算法 | 第43-46页 |
| ·卡尔曼滤波算法 | 第43-45页 |
| ·α- β滤波 | 第45-46页 |
| ·α- β- γ滤波 | 第46页 |
| ·非线性滤波方法 | 第46-51页 |
| ·扩展卡尔曼滤波 | 第46-48页 |
| ·去偏转换测量卡尔曼滤波 | 第48-51页 |
| 第四章 神经网络辅助卡尔曼滤波算法研究 | 第51-74页 |
| ·人工神经网络理论基础 | 第51-56页 |
| ·神经网络简介 | 第51-52页 |
| ·人工神经网络的基本要素 | 第52-56页 |
| ·BP 神经网络 | 第56-60页 |
| ·BP 神经网络的基本结构 | 第56页 |
| ·BP 神经网络的学习算法 | 第56-60页 |
| ·BP 神经网络辅助卡尔曼滤波算法 | 第60-66页 |
| ·算法模型 | 第60-62页 |
| ·算法的matlab 仿真实现 | 第62-66页 |
| ·仿真结果及分析 | 第66-72页 |
| ·模拟数据的仿真 | 第66-69页 |
| ·真实雷达数据的仿真验证 | 第69-72页 |
| ·神经网络技术在多雷达目标跟踪中的应用 | 第72-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间取得的学术成果 | 第78-79页 |
| 致谢 | 第79页 |
