多传感器多目标跟踪技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题研究背景与意义 | 第7-8页 |
| 1.2 多目标跟踪概述及其发展现状 | 第8-11页 |
| 1.2.1 多目标跟踪技术概述 | 第8-10页 |
| 1.2.2 多目标跟踪技术的发展现状 | 第10-11页 |
| 1.3 本文工作及章节安排 | 第11-13页 |
| 第二章 基于多传感器的跟踪滤波算法 | 第13-29页 |
| 2.1 引言 | 第13-14页 |
| 2.2 目标运动模型的建立 | 第14-17页 |
| 2.2.1 CV和CA运动模型 | 第14-15页 |
| 2.2.2 Singer模型(时间相关模型) | 第15-16页 |
| 2.2.3 机动目标“当前”统计模型 | 第16-17页 |
| 2.3 多传感器多模型滤波算法 | 第17-23页 |
| 2.3.1 目标的状态方程和观测方程 | 第17-18页 |
| 2.3.2 标准交互多模型算法 | 第18-20页 |
| 2.3.3 多传感器交互多模型算法 | 第20-23页 |
| 2.4 仿真实验及结果分析 | 第23-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 多目标跟踪数据关联算法 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 跟踪门理论 | 第29-32页 |
| 3.2.1 矩形跟踪门 | 第30-31页 |
| 3.2.2 椭球跟踪门 | 第31-32页 |
| 3.2.3 多重跟踪门 | 第32页 |
| 3.3 数据关联算法 | 第32-39页 |
| 3.3.1 最近邻法(NN) | 第32-33页 |
| 3.3.2 概率数据关联算法(PDA) | 第33-35页 |
| 3.3.3 联合概率数据关联算法(JPDA) | 第35-37页 |
| 3.3.4 多假设跟踪算法(MHT) | 第37-39页 |
| 3.4 仿真实验及结果分析 | 第39-43页 |
| 3.4.1 多目标数据关联仿真实验 | 第39-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 多传感器航迹关联与融合 | 第45-67页 |
| 4.1 引言 | 第45页 |
| 4.2 多传感器融合结构 | 第45-47页 |
| 4.2.1 传感器型跟踪融合结构 | 第45-46页 |
| 4.2.2 中心级跟踪融合结构 | 第46-47页 |
| 4.3 分布式多传感器坐标转换 | 第47-49页 |
| 4.4 多传感器航迹关联算法 | 第49-51页 |
| 4.4.1 加权航迹关联算法 | 第50页 |
| 4.4.2 序贯航迹关联算法 | 第50-51页 |
| 4.4.3 统计双门限航迹关联算法 | 第51页 |
| 4.5 多传感器航迹融合算法 | 第51-58页 |
| 4.5.1 集中式航迹融合算法 | 第52-53页 |
| 4.5.2 分布式航迹融合算法 | 第53-58页 |
| 4.6 仿真实验及结果分析 | 第58-65页 |
| 4.6.1 多传感器多目标跟踪系统仿真 | 第58-65页 |
| 4.7 本章小结 | 第65-67页 |
| 第五章 多传感器协同目标跟踪方法 | 第67-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 研究成果 | 第79页 |
