| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 多目标跟踪技术发展现状 | 第11-13页 |
| 1.2.1 基于个数据关联的MTT技术发展现状 | 第11-12页 |
| 1.2.2 基于随机有限集的MTT技术发展现状 | 第12-13页 |
| 1.3 基于FISST论的多目标跟踪算法的优势分析 | 第13-14页 |
| 1.4 基于FISST理论的多目标跟踪算法的实际应用 | 第14-15页 |
| 1.5 论文的主要内容和结构安排 | 第15-18页 |
| 2 基于随机有限集的多目标跟踪算法的基本理论 | 第18-34页 |
| 2.1 随机有限集理论概述 | 第18-21页 |
| 2.1.1 随机有限集的基本定义 | 第19-20页 |
| 2.1.2 随机集的统计学理论基础 | 第20-21页 |
| 2.2 贝叶斯理论概述 | 第21-28页 |
| 2.2.1 单目标贝叶斯滤波 | 第22-23页 |
| 2.2.2 多目标跟踪系统的随机有限集模型 | 第23-27页 |
| 2.2.3 多目标贝叶斯滤波 | 第27-28页 |
| 2.3 概率假设密度滤波器介绍 | 第28-31页 |
| 2.3.1 随机集的概率假设密度 | 第28-29页 |
| 2.3.2 概率假设密度滤波 | 第29-31页 |
| 2.4 随机集理论中多目标跟踪算法的性能评估方法介绍 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 线性条件下多目标跟踪算法的研究 | 第34-45页 |
| 3.1 线性条件下高斯混合多目标模型的建立 | 第34-36页 |
| 3.2 高斯混合多目标模型中PHDF的应用 | 第36-40页 |
| 3.2.1 算法原理 | 第36-38页 |
| 3.2.2 算法流程 | 第38-40页 |
| 3.3 仿真实验与分析 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 非线性条件下多目标跟踪算法的研究 | 第45-52页 |
| 4.1 非线性条件下多目标GM模型的建立 | 第45页 |
| 4.2 EK-GMPHD滤波算法设计 | 第45-48页 |
| 4.2.1 问题的提出 | 第45-46页 |
| 4.2.2 算法设计 | 第46-48页 |
| 4.3 仿真实验与分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 高度非线性条件下多目标跟踪算法的研究 | 第52-64页 |
| 5.1 蒙特卡罗方法的原理 | 第52-53页 |
| 5.2 P-GMPHD滤波算法设计 | 第53-56页 |
| 5.2.1 问题的提出 | 第53-54页 |
| 5.2.2 算法设计 | 第54-56页 |
| 5.3 衍生目标预测方程的推导 | 第56-57页 |
| 5.4 仿真实验与分析 | 第57-63页 |
| 5.4.1 仿真实验一 | 第58-61页 |
| 5.4.2 仿真实验二 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-67页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |
| 致谢 | 第72-74页 |
