基于概率假设密度滤波器的传感器控制策略的研究
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 多目标跟踪与传感器管理的研究现状 | 第14-18页 |
| 1.2.1 多目标跟踪的研究现状 | 第14-15页 |
| 1.2.2 传感器管理的研究现状 | 第15-18页 |
| 1.3 论文的主要工作及各章安排 | 第18-20页 |
| 第2章 RFS与信息熵的理论基础 | 第20-27页 |
| 2.1 前言 | 第20页 |
| 2.2 RFS理论基础 | 第20-23页 |
| 2.2.1 RFS定义 | 第20-21页 |
| 2.2.2 集积分和集导数 | 第21-22页 |
| 2.2.3 基于RFS的多目标跟踪系统建模 | 第22-23页 |
| 2.3 基于RFS的滤波器 | 第23-25页 |
| 2.3.1 多目标贝叶斯滤波器 | 第23-24页 |
| 2.3.2 概率假设密度滤波器 | 第24-25页 |
| 2.4 信息熵理论 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于柯西施瓦兹距离的传感器控制 | 第27-38页 |
| 3.1 前言 | 第27页 |
| 3.2 PHD滤波器的粒子实现 | 第27-29页 |
| 3.3 基于柯西施瓦兹距离的传感器控制方法 | 第29-33页 |
| 3.3.1 基于信息熵的传感器控制一般方法 | 第29-30页 |
| 3.3.2 柯西施瓦兹距离 | 第30-31页 |
| 3.3.3 评价函数的计算 | 第31-32页 |
| 3.3.4 算法程序伪码 | 第32-33页 |
| 3.4 仿真实验与分析 | 第33-37页 |
| 3.4.1 仿真场景设置 | 第33页 |
| 3.4.2 传感器控制集合 | 第33-34页 |
| 3.4.3 仿真分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于目标威胁度的传感器控制 | 第38-51页 |
| 4.1 前言 | 第38-39页 |
| 4.2 目标威胁度的确立 | 第39-41页 |
| 4.2.1 影响目标威胁度的因素分析 | 第39页 |
| 4.2.2 战术重要性标绘下的TSM函数 | 第39-41页 |
| 4.3 基于目标威胁度的传感器控制的算法伪码 | 第41-42页 |
| 4.4 仿真实验与分析 | 第42-49页 |
| 4.4.1 仿真场景设置 | 第42-43页 |
| 4.4.2 仿真分析 | 第43-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第62页 |
