基于概率假设密度的多目标跟踪算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和选题意义 | 第9页 |
| ·国内外的发展现状 | 第9-11页 |
| ·各章节安排 | 第11-13页 |
| 第二章 概率假设密度 | 第13-22页 |
| ·贝叶斯理论 | 第13-14页 |
| ·随机有限集理论 | 第14-16页 |
| ·RFS | 第14页 |
| ·FISST | 第14-16页 |
| ·单目标和多目标情况下的贝叶斯滤波模型 | 第16-19页 |
| ·单目标贝叶斯滤波 | 第16页 |
| ·多目标的随机有限集模型 | 第16-19页 |
| ·概率假设密度滤波器 | 第19-21页 |
| ·概率假设密度 | 第19-20页 |
| ·PHD递推公式 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于PHD的多目标跟踪算法 | 第22-46页 |
| ·引言 | 第22页 |
| ·粒子滤波 | 第22-23页 |
| ·粒子PHD滤波 | 第23-35页 |
| ·粒子PHD滤波推导 | 第23-25页 |
| ·粒子PHD滤波算法描述 | 第25-27页 |
| ·目标状态提取和估计性能 | 第27-28页 |
| ·仿真 | 第28-35页 |
| ·高斯混合概率假设密度 | 第35-45页 |
| ·线性高斯多目标模型 | 第36-42页 |
| ·非线性高斯模型 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 PHD的推广和应用 | 第46-59页 |
| ·高斯混合粒子PHD | 第46-53页 |
| ·GMP-PHD滤波算法 | 第46-49页 |
| ·仿真 | 第49-53页 |
| ·PHD在无源定位系统中的应用 | 第53-58页 |
| ·无源定位 | 第53页 |
| ·滤波过程 | 第53-55页 |
| ·仿真 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
