临近空间机动目标自适应跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 本文研究背景及意义 | 第7-8页 |
| 1.2 课题发展概况及现状 | 第8-10页 |
| 1.2.1 最优状态估计 | 第8-9页 |
| 1.2.2 跟踪模型设计 | 第9-10页 |
| 1.2.3 多模型跟踪方法 | 第10页 |
| 1.3 主要研究内容及章节说明 | 第10-12页 |
| 第2章 机动目标的状态估计算法 | 第12-33页 |
| 2.1 贝叶斯滤波 | 第12-14页 |
| 2.2 卡尔曼滤波 | 第14-17页 |
| 2.2.1 标准卡尔曼滤波 | 第15页 |
| 2.2.2 统计卡尔曼滤波 | 第15-17页 |
| 2.3 无迹卡尔曼滤波 | 第17-21页 |
| 2.3.1 UT近似滤波 | 第17-19页 |
| 2.3.2 UT精度分析 | 第19-21页 |
| 2.4 容积卡尔曼滤波 | 第21-24页 |
| 2.5 非线性滤波精度对比 | 第24-26页 |
| 2.6 自适应衰减记忆滤波 | 第26-31页 |
| 2.6.1 衰减记忆滤波 | 第26-28页 |
| 2.6.2 自适应方法 | 第28-31页 |
| 2.7 本章小结 | 第31-33页 |
| 第3章 机动目标的跟踪模型设计 | 第33-58页 |
| 3.1 状态模型和观测模型 | 第33-36页 |
| 3.1.1 非机动状态模型 | 第33页 |
| 3.1.2 观测值无偏转换 | 第33-36页 |
| 3.2 一二阶时间相关模型 | 第36-38页 |
| 3.3 自相关噪声模型 | 第38-40页 |
| 3.3.1 Singer模型 | 第38-39页 |
| 3.3.2 Jerk模型 | 第39-40页 |
| 3.4“当前”统计模型 | 第40-42页 |
| 3.5 自适应SW模型 | 第42-48页 |
| 3.5.1 SW模型 | 第42-43页 |
| 3.5.2 CS-SW模型 | 第43-48页 |
| 3.6 三维变速转弯模型 | 第48-57页 |
| 3.6.1 二维匀速转弯模型 | 第48-49页 |
| 3.6.2 三维变速转弯模型 | 第49-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第4章 机动目标的多模型跟踪方法 | 第58-67页 |
| 4.1 固定记忆多模型估计 | 第58-60页 |
| 4.2 交互式多模型估计 | 第60-65页 |
| 4.3 变结构多模型估计 | 第65页 |
| 4.4 本章小结 | 第65-67页 |
| 第5章 结束语 | 第67-68页 |
| 5.1 结论 | 第67页 |
| 5.2 展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间的研究成果 | 第72页 |
