| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 目标跟踪滤波理论 | 第11-12页 |
| 1.2.2 传统的TBD跟踪算法 | 第12-14页 |
| 1.2.3 递归的TBD跟踪算法 | 第14-16页 |
| 1.3 本文的主要研究内容 | 第16-18页 |
| 第2章 基于蒙特卡罗实现的目标跟踪算法 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 贝叶斯估计理论介绍 | 第18-20页 |
| 2.2.1 最优的贝叶斯估计 | 第18-19页 |
| 2.2.2 多目标的贝叶斯估计 | 第19-20页 |
| 2.3 粒子滤波算法理论与实现 | 第20-23页 |
| 2.3.1 蒙特卡罗积分方法 | 第20-21页 |
| 2.3.2 序贯重要性采样实现 | 第21-22页 |
| 2.3.3 粒子退化问题及其解决方法 | 第22-23页 |
| 2.4 PHD滤波算法理论与实现 | 第23-28页 |
| 2.4.1 随机有限集模型 | 第24-25页 |
| 2.4.2 PHD滤波理论 | 第25-27页 |
| 2.4.3 PHD滤波的粒子滤波实现 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于PHD滤波的检测前跟踪算法研究 | 第30-50页 |
| 3.1 引言 | 第30页 |
| 3.2 PHD-TBD滤波算法理论与实现 | 第30-35页 |
| 3.2.1 PHD-TBD算法系统模型的建立 | 第30-33页 |
| 3.2.2 PHD-TBD算法的粒子滤波实现 | 第33-35页 |
| 3.3 改进的PHD-TBD滤波算法研究与实现 | 第35-40页 |
| 3.3.1 基于差分定位的自适应粒子 | 第35-37页 |
| 3.3.2 TBD观测模型的再建立 | 第37-38页 |
| 3.3.3 泊松化的观测数据实现 | 第38-39页 |
| 3.3.4 改进的PHD-TBD算法实现 | 第39-40页 |
| 3.4 数值仿真与分析 | 第40-48页 |
| 3.4.1 仿真场景的建立 | 第40-42页 |
| 3.4.2 DPA粒子生成仿真 | 第42-43页 |
| 3.4.3 观测数据模型仿真 | 第43-44页 |
| 3.4.4 改进的PHD-TBD算法仿真 | 第44-45页 |
| 3.4.5 多目标跟踪算法性能评估 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 基于PHD-TBD跟踪算法的重采样技术研究 | 第50-64页 |
| 4.1 引言 | 第50页 |
| 4.2 重采样理论与实现方法 | 第50-54页 |
| 4.2.1 重采样的基本原理 | 第51页 |
| 4.2.2 重采样方法的具体实现 | 第51-53页 |
| 4.2.3 PHD-TBD粒子滤波算法的耗时分析 | 第53-54页 |
| 4.3 利于流水线操作的重采样算法 | 第54-59页 |
| 4.3.1 Metropolis Hastings采样准则 | 第54-56页 |
| 4.3.2 带缓存的Metropolis Hastings采样 | 第56-58页 |
| 4.3.3 BMH采样技术的流水线化实现 | 第58-59页 |
| 4.4 数值仿真与分析 | 第59-63页 |
| 4.4.1 仿真场景的建立 | 第60页 |
| 4.4.2 仿真结果与分析 | 第60-62页 |
| 4.4.3 算法性能评估 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间的主要科研成果 | 第72页 |
