| 摘要 | 第10-13页 |
| Abstract | 第13-15页 |
| 第一章 绪论 | 第16-36页 |
| 1.1 论文的研究背景及意义 | 第16-17页 |
| 1.2 随机有限集多目标跟踪技术发展现状 | 第17-25页 |
| 1.2.1 不确定条件下的随机集滤波器 | 第17-19页 |
| 1.2.2 非标准多目标观测模型下的随机集滤波器 | 第19-21页 |
| 1.2.3 随机集框架下的联合处理算法 | 第21-23页 |
| 1.2.4 随机集滤波器的执行及算法改进研究 | 第23-25页 |
| 1.3 论文相关研究内容研究现状 | 第25-33页 |
| 1.3.1 随机集框架下联合多传感器偏差与多目标状态估计技术 | 第25-27页 |
| 1.3.2 随机集滤波器的航迹提取技术 | 第27-28页 |
| 1.3.3 基于随机集滤波器的多群目标跟踪技术 | 第28-29页 |
| 1.3.4 随机集框架下图像弱目标检测前跟踪技术 | 第29-32页 |
| 1.3.5 随机集滤波器的PCRLB性能评估技术 | 第32-33页 |
| 1.4 论文研究内容及结构安排 | 第33-36页 |
| 第二章 多传感器偏差与多目标状态联合估计 | 第36-51页 |
| 2.1 引言 | 第36页 |
| 2.2 问题描述 | 第36-39页 |
| 2.2.1 分层点过程建模 | 第37-38页 |
| 2.2.2 对MGMT-PHD滤波器的几点讨论 | 第38-39页 |
| 2.3 算法推导与粒子实现 | 第39-45页 |
| 2.3.1 联合偏差与目标状态PHD观测更新 | 第40页 |
| 2.3.2 偏差PHD与目标状态PHD提取 | 第40-41页 |
| 2.3.3 偏差PHD与目标状态PHD预测 | 第41页 |
| 2.3.4 多传感器多目标状态融合 | 第41-42页 |
| 2.3.5 粒子实现 | 第42-45页 |
| 2.4 仿真实验与结果分析 | 第45-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第三章 诱饵与载机联合跟踪与识别 | 第51-74页 |
| 3.1 引言 | 第51-53页 |
| 3.2 问题描述与模型建立 | 第53-58页 |
| 3.2.1 诱饵对抗成功的三个阶段 | 第53-54页 |
| 3.2.2 载机机动模式分析与系统建模 | 第54-58页 |
| 3.3 改进的加标签粒子PHD滤波器 | 第58-64页 |
| 3.4 诱饵与载机的联合识别与跟踪 | 第64-67页 |
| 3.4.1 多模IL-P-PHD滤波器 | 第64-66页 |
| 3.4.2 诱饵与载机的联合快速检测、识别与跟踪处理框架 | 第66-67页 |
| 3.5 仿真实验与结果分析 | 第67-73页 |
| 3.5.1 仿真场景的建立 | 第67-71页 |
| 3.5.2 实验结果与分析 | 第71-73页 |
| 3.6 本章小结 | 第73-74页 |
| 第四章 多群目标中心及群内目标联合检测与跟踪 | 第74-88页 |
| 4.1 引言 | 第74页 |
| 4.2 问题描述 | 第74-76页 |
| 4.2.1 多群目标的分层点过程描述 | 第74-75页 |
| 4.2.2 多群目标及其组件跟踪的实施方案 | 第75-76页 |
| 4.3 算法描述 | 第76-82页 |
| 4.3.1 加标签粒子UT-PHD滤波器 | 第76-79页 |
| 4.3.2 单群粒子PHD滤波器 | 第79-81页 |
| 4.3.3 基于群中心估计量的观测集分割算法 | 第81-82页 |
| 4.3.4 执行流程 | 第82页 |
| 4.4 仿真实验与结果分析 | 第82-87页 |
| 4.4.1 仿真场景的建立 | 第83-84页 |
| 4.4.2 实验结果分析 | 第84-87页 |
| 4.5 本章小结 | 第87-88页 |
| 第五章 图像多弱目标检测前跟踪 | 第88-115页 |
| 5.1 引言 | 第88页 |
| 5.2 影响区域不重叠的图像多弱目标检测前跟踪 | 第88-102页 |
| 5.2.1 图像目标跟踪的随机集建模与标准PHD-TBD算法的合理性分析 | 第89-92页 |
| 5.2.2 广义PHD-TBD算法及其粒子实现 | 第92-97页 |
| 5.2.3 仿真实验与结果分析 | 第97-102页 |
| 5.3 影响区域重叠的图像多弱目标检测前跟踪 | 第102-114页 |
| 5.3.1 图像目标的叠加传感器观测模型 | 第103-104页 |
| 5.3.2 加标签AS-PHD滤波器及其粒子实现 | 第104-107页 |
| 5.3.3 仿真实验与结果分析 | 第107-114页 |
| 5.4 本章小结 | 第114-115页 |
| 第六章 复杂多目标跟踪问题的PCRLB性能评估 | 第115-136页 |
| 6.1 引言 | 第115-116页 |
| 6.2 复杂多目标跟踪问题的随机集建模 | 第116-119页 |
| 6.2.1 标准的多点目标观测模型 | 第116-117页 |
| 6.2.2 多点目标运动模型 | 第117-119页 |
| 6.3 复杂多目标跟踪问题的PCRLB | 第119-123页 |
| 6.3.1 MT-PCRLB的递推计算表达式 | 第119-121页 |
| 6.3.2 MT-PCRLB的计算实现问题分析 | 第121-123页 |
| 6.4 基于IL-P-PHD滤波器的数据关联算法 | 第123-124页 |
| 6.5 MT-PCRLB的计算实现 | 第124-128页 |
| 6.6 仿真实验与结果分析 | 第128-134页 |
| 6.6.1 基于MT-PCRLB的多目标跟踪性能评估指标 | 第129-130页 |
| 6.6.2 仿真场景的建立 | 第130-131页 |
| 6.6.3 实验结果与分析 | 第131-134页 |
| 6.7 本章小结 | 第134-136页 |
| 第七章 结论与展望 | 第136-139页 |
| 7.1 本文工作总结与创新点 | 第136-137页 |
| 7.2 后续研究展望 | 第137-139页 |
| 致谢 | 第139-140页 |
| 参考文献 | 第140-159页 |
| 作者在学期间取得的学术成果 | 第159-161页 |
