| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-9页 |
| 引言 | 第9-11页 |
| 1 绪论 | 第11-15页 |
| 1．1 研究背景 | 第11-12页 |
| 1．2 论文内容及意义 | 第12-13页 |
| 1．3 本文所作的工作 | 第13-14页 |
| 1．4 本文的内容安排 | 第14-15页 |
| 2 被动式传感器目标跟踪的方法 | 第15-21页 |
| 2．1 引言 | 第15页 |
| 2．2 被动式定向跟踪 | 第15-16页 |
| 2．3 被动式定位跟踪 | 第16-19页 |
| 2．3．1 仅有角度量测的被动定位跟踪 | 第16-18页 |
| 2．3．2 基于多量测源的被动定位跟踪 | 第18-19页 |
| 2．4 本章小结 | 第19-21页 |
| 3 被动式定向跟踪方法 | 第21-39页 |
| 3．1 引言 | 第21-22页 |
| 3．2 一种基于航向的被动式定向跟踪算法 | 第22-29页 |
| 3．2．1 目标运动模型 | 第22-23页 |
| 3．2．2 原理 | 第23-27页 |
| 3．2．3 仿真实验及其结果分析 | 第27-29页 |
| 3．3 一种基于局部线性预测的被动式定向跟踪算法 | 第29-37页 |
| 3．3．1 算法思想 | 第30-31页 |
| 3．3．2 算法原理 | 第31-32页 |
| 3．3．3 仿真实验与结果分析 | 第32-37页 |
| 3．3．4 结论 | 第37页 |
| 3．4 本章小结 | 第37-39页 |
| 4 被动式定位跟踪中的滤波与预测算法 | 第39-55页 |
| 4．1 贝叶斯估计 | 第39-41页 |
| 4．1．1 非线性高斯模型 | 第39-40页 |
| 4．1．2 贝叶斯滤波 | 第40-41页 |
| 4．2 最优估计算法 | 第41-42页 |
| 4．2．1 卡尔曼滤波器 | 第41-42页 |
| 4．2．2 网格滤波器 | 第42页 |
| 4．3 次优估计算法 | 第42-45页 |
| 4．3．1 扩展卡尔曼滤波器 | 第43-44页 |
| 4．3．2 近似网格滤波器 | 第44-45页 |
| 4．4 Monte Carlo基本原理 | 第45-46页 |
| 4．5 粒子滤波器 | 第46-53页 |
| 4．5．1 粒子滤波器基本原理 | 第46-51页 |
| 4．5．2 非线性条件下的仿真 | 第51-52页 |
| 4．5．3 非高斯条件下的仿真 | 第52-53页 |
| 4．6 本章小结 | 第53-55页 |
| 5 基于粒子滤波器的被动式定位跟踪 | 第55-75页 |
| 5．1 引言 | 第55页 |
| 5．2 Kalman滤波 | 第55-62页 |
| 5．2．1 基于修正球坐标系的被动式点目标跟踪 | 第55页 |
| 5．2．2 修正球坐标系 | 第55-56页 |
| 5．2．3 MSC中的Kalman滤波 | 第56-60页 |
| 5．2．4 直角坐标系中采用EKF的被动式目标跟踪 | 第60-62页 |
| 5．3 两点外推滤波算法 | 第62-63页 |
| 5．4 一种基于两点外推起始的粒子滤波跟踪算法 | 第63-69页 |
| 5．4．1 算法思想 | 第63-64页 |
| 5．4．2 算法实现 | 第64-69页 |
| 5．5 几种滤波算法在被动定位跟踪中的比较 | 第69-73页 |
| 5．5．1 仿真环境 | 第69-70页 |
| 5．5．2 问题描述 | 第70页 |
| 5．5．3 基于两点外推起始的PF与EKF仿真比较 | 第70-72页 |
| 5．5．4 结果分析 | 第72-73页 |
| 5．5．5 结论 | 第73页 |
| 5．6 本章小结 | 第73-75页 |
| 6 结论与展望 | 第75-77页 |
| 6．1 总结 | 第75页 |
| 6．2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表学术论文情况 | 第81-82页 |
| 致谢 | 第82-83页 |
| 大连理工大学学位论文版权使用授权书 | 第83页 |