| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究的背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 研究的目标和内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 多传感器目标跟踪相关技术分析 | 第19-33页 |
| 2.1 传感器概述 | 第19-20页 |
| 2.1.1 传感器的简介 | 第19页 |
| 2.1.2 雷达工作原理与分类 | 第19-20页 |
| 2.2 目标跟踪基本理论 | 第20-23页 |
| 2.2.1 目标跟踪系统的基本原理 | 第20-22页 |
| 2.2.2 目标跟踪系统方程 | 第22-23页 |
| 2.3 目标跟踪运动模型 | 第23-25页 |
| 2.3.1 匀速模型 | 第23-24页 |
| 2.3.2 匀加速模型 | 第24页 |
| 2.3.3 匀角速度转弯模型 | 第24-25页 |
| 2.4 数据预处理 | 第25-26页 |
| 2.4.1 坐标变换 | 第25-26页 |
| 2.4.2 时间配准法 | 第26页 |
| 2.5 数据融合 | 第26-31页 |
| 2.5.1 数据融合的原理 | 第26-27页 |
| 2.5.2 数据融合的层次 | 第27-29页 |
| 2.5.3 数据融合的基本方法 | 第29-30页 |
| 2.5.4 数据融合的应用 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 轨迹提取算法的研究 | 第33-49页 |
| 3.1 目标状态估计算法的分析 | 第33-41页 |
| 3.1.1 卡尔曼滤波算法(KF) | 第33-35页 |
| 3.1.2 扩展卡尔曼滤波算法(EKF) | 第35-38页 |
| 3.1.3 不敏卡尔曼滤波算法(UKF) | 第38-41页 |
| 3.2 目标状态轨迹提取算法的提出 | 第41-44页 |
| 3.2.1 算法的基本原理 | 第41-44页 |
| 3.2.2 算法的特点及参数设计 | 第44页 |
| 3.3 MTPM实时调整模型的引入 | 第44-47页 |
| 3.3.1 MTPM实时调整模型 | 第44-46页 |
| 3.3.2 基于MTPM实时调整模型的IMM-AFA算法 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 轨迹融合预测算法的研究 | 第49-60页 |
| 4.1 分布式轨迹融合算法的分析 | 第49-54页 |
| 4.1.1 简单轨迹融合(SF)算法 | 第49-50页 |
| 4.1.2 协方差加权轨迹融合(WCF)算法 | 第50-51页 |
| 4.1.3 自适应轨迹融合算法(ATF) | 第51-53页 |
| 4.1.4 协方差交叉融合(CIF)预测算法 | 第53-54页 |
| 4.2 分离独立方差的轨迹融合算法(SIF)的提出 | 第54-58页 |
| 4.2.1 轨迹间误差相关性问题 | 第54-55页 |
| 4.2.2 SIF算法模型 | 第55-58页 |
| 4.3 本章小结 | 第58-60页 |
| 第5章 基于SystemVue平台目标跟踪系统的仿真测试 | 第60-77页 |
| 5.1 SystemVue平台 | 第60-61页 |
| 5.1.1 SystemVue简介 | 第60-61页 |
| 5.1.2 SystemVue雷达模型库 | 第61页 |
| 5.2 雷达目标跟踪系统的搭建 | 第61-65页 |
| 5.2.1 雷达模块的设计 | 第61-64页 |
| 5.2.2 跟踪模块的设计 | 第64-65页 |
| 5.3 建模仿真结果与分析 | 第65-75页 |
| 5.3.1 轨迹提取阶段 | 第65-73页 |
| 5.3.2 轨迹融合阶段 | 第73-75页 |
| 5.4 本章小结 | 第75-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第83-84页 |
| 致谢 | 第84-85页 |
