摘要 | 第1-7页 |
ABSTRACT | 第7-14页 |
第一章 绪论 | 第14-26页 |
·研究背景及意义 | 第14-17页 |
·随机集理论的发展 | 第14页 |
·目标跟踪的背景 | 第14-16页 |
·多目标跟踪的意义 | 第16-17页 |
·传统目标跟踪方法 | 第17-19页 |
·目标运动模型 | 第17页 |
·数据关联 | 第17-18页 |
·目标轨迹起始、维持与终结 | 第18-19页 |
·基于FISST 的多目标跟踪方法 | 第19-23页 |
·基于FISST 多目标跟踪方法的发展概要 | 第19-21页 |
·多目标跟踪滤波器性能评价指标 | 第21-23页 |
·基于FISST 多目标跟踪方法中有待解决的问题 | 第23页 |
·论文的创新点和结构安排 | 第23-26页 |
·论文创新点 | 第23-25页 |
·论文结构安排 | 第25-26页 |
第二章 基于有限集统计学的目标跟踪方法 | 第26-42页 |
·引言 | 第26页 |
·事件空间 | 第26-27页 |
·信任测度 | 第27-29页 |
·集值函数的微分 | 第27-28页 |
·集值函数的积分 | 第28-29页 |
·基于FISST 的Bayes 递推公式 | 第29-31页 |
·概率假设密度函数滤波器 | 第31-36页 |
·带有势分布的PHD 滤波器 | 第36-41页 |
·本章小结 | 第41-42页 |
第三章 基于序贯PHD 滤波器的多传感器多目标被动定位研究 | 第42-57页 |
·引言 | 第42页 |
·多传感器多目标被动定位问题的介绍 | 第42-44页 |
·多维分配计算复杂度的简单分析 | 第44-46页 |
·序贯PHD 滤波器 | 第46-47页 |
·基于序贯PHD 滤波器的多传感器多目标被动定位 | 第47-50页 |
·传感器被成对使用 | 第47-49页 |
·传感器被分别独立使用 | 第49-50页 |
·仿真研究 | 第50-56页 |
·本章小结 | 第56-57页 |
第四章 应用椭球门限的GM-CPHD 滤波器 | 第57-74页 |
·引言 | 第57页 |
·GM-CPHD 滤波器 | 第57-60页 |
·算法描述 | 第60-63页 |
·仿真研究 | 第63-73页 |
·线性GM-CPHD 滤波器仿真 | 第63-71页 |
·非线性GM-CPHD 滤波器仿真 | 第71-73页 |
·本章小结 | 第73-74页 |
第五章 新出现目标强度函数未知的GM-PHD 滤波器 | 第74-90页 |
·引言 | 第74页 |
·GM-PHD 滤波器的矩阵表达形式 | 第74-78页 |
·简化的高斯分量修剪方法 | 第78-79页 |
·新出现目标强度函数未知GM-PHD 滤波器的高斯分量修剪方法 | 第79-81页 |
·仿真研究 | 第81-88页 |
·仿真例1 | 第82-84页 |
·仿真例2 | 第84-88页 |
·本章小结 | 第88-90页 |
第六章 多传感器GM-PHD 滤波器 | 第90-109页 |
·引言 | 第90页 |
·序贯PHD 滤波器 | 第90-92页 |
·多传感器GM-PHD 滤波器 | 第92-94页 |
·多传感器GM-PHD 滤波器的高斯分量合并方法 | 第94-100页 |
·仿真研究 | 第100-108页 |
·本章小结 | 第108-109页 |
第七章 总结与展望 | 第109-113页 |
·论文工作总结 | 第109-110页 |
·研究展望 | 第110-113页 |
附录 | 第113-128页 |
附录A 序贯PHD 滤波器的重新推导 | 第113-116页 |
附录B 跟踪单个目标的PHD 滤波器 | 第116-120页 |
附录C 需要了解的一些数学基本概念 | 第120-128页 |
C.1 说明 | 第120页 |
C.2 古典概率的公理化体系 | 第120-121页 |
C.3 现代概率论的基础概念 | 第121-125页 |
C.4 随机集 | 第125-126页 |
C.5 随机闭集 | 第126-127页 |
C.6 有限随机集 | 第127-128页 |
参考文献 | 第128-141页 |
致谢 | 第141-142页 |
攻读博士学位期间发表和完成的学术论文 | 第142-143页 |
攻读博士学位期间参加的主要科研项目 | 第143-145页 |