| 摘要 | 第1-10页 |
| Abstract | 第10-14页 |
| 第1章 绪论 | 第14-19页 |
| ·研究背景 | 第14-15页 |
| ·目标跟踪技术与粒子滤波的研究现状 | 第15-17页 |
| ·论文主要内容及结构安排 | 第17-19页 |
| 第2章 随机有限集下的目标跟踪算法的理论基础 | 第19-28页 |
| ·随机有限集理论基础 | 第19-21页 |
| ·随机有限集定义 | 第19页 |
| ·有限集统计理论 | 第19-20页 |
| ·概率生成泛函 | 第20-21页 |
| ·基于随机有限集的贝叶斯滤波器 | 第21-23页 |
| ·基于随机有限集的系统模型 | 第21-22页 |
| ·贝叶斯滤波器 | 第22-23页 |
| ·多目标贝叶斯滤波器 | 第23页 |
| ·概率假设密度滤波器 | 第23-25页 |
| ·区间分析 | 第25-27页 |
| ·区间的定义 | 第25-26页 |
| ·区间数的运算法则 | 第26页 |
| ·区间扩展函数 | 第26-27页 |
| ·收缩算子 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 多目标粒子滤波器重采样算法的研究 | 第28-43页 |
| ·前言 | 第28-29页 |
| ·基本粒子滤波器 | 第29-31页 |
| ·三种典型的重采样算法 | 第31-33页 |
| ·重采样算法 | 第31页 |
| ·多项式重采样 | 第31-32页 |
| ·分层重采样 | 第32页 |
| ·系统重采样 | 第32页 |
| ·三种重采样算法计算复杂度分析 | 第32-33页 |
| ·三种重采样算法性能分析 | 第33页 |
| ·序贯蒙特卡罗概率假设密度滤波器 | 第33-35页 |
| ·免聚类粒子概率假设密度滤波器 | 第35-37页 |
| ·预测步 | 第35页 |
| ·更新步 | 第35-36页 |
| ·重采样 | 第36-37页 |
| ·仿真实验与分析 | 第37-41页 |
| ·场景 | 第37-38页 |
| ·仿真分析 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 边缘化免聚类粒子概率假设密度滤波器的设计 | 第43-54页 |
| ·前言 | 第43页 |
| ·边缘化免聚类粒子概率假设密度滤波器的设计 | 第43-49页 |
| ·线性/非线性状态空间上的边缘化滤波 | 第43-45页 |
| ·边缘化免聚类粒子概率假设密度滤波器 | 第45-48页 |
| ·MFCP-PHD算法伪码 | 第48-49页 |
| ·仿真实验与分析 | 第49-53页 |
| ·场景 | 第49-50页 |
| ·仿真分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于箱粒子伯努利滤波器的非线性跟踪研究 | 第54-67页 |
| ·前言 | 第54页 |
| ·伯努利随机有限集 | 第54-55页 |
| ·单目标系统动态模型 | 第55页 |
| ·传感器量测模型 | 第55-56页 |
| ·伯努利滤波器 | 第56-57页 |
| ·预测步 | 第56页 |
| ·更新步 | 第56-57页 |
| ·箱粒子伯努利滤波器 | 第57-60页 |
| ·预测步 | 第57-59页 |
| ·更新步 | 第59-60页 |
| ·箱粒子重采样 | 第60页 |
| ·两种非线性跟踪问题的约束传播算法 | 第60-62页 |
| ·Range-Bearing跟踪问题 | 第61页 |
| ·带多普勒量测的Range-Bearing跟踪问题 | 第61-62页 |
| ·仿真实验与分析 | 第62-66页 |
| ·场景 | 第62-63页 |
| ·仿真分析 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 结论与展望 | 第67-70页 |
| ·结论 | 第67-68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第76页 |