混合估计自适应平滑算法研究
| 第一章 绪论 | 第1-17页 |
| ·自适应估计简介 | 第8-9页 |
| ·混合系统多模型估计算法 | 第9-14页 |
| ·混合系数学描述 | 第9页 |
| ·多模型估计的基本思想 | 第9-10页 |
| ·静态多模型估计算法 | 第10-12页 |
| ·动态多模型估计算法 | 第12-13页 |
| ·变结构多模型估计算法 | 第13-14页 |
| ·混合估计平滑算法 | 第14页 |
| ·Unscented Kalman Filter | 第14-15页 |
| ·Particle Filter | 第15-16页 |
| ·本文主要工作介绍 | 第16-17页 |
| 第二章 IMM算法及其过渡过程仿真分析 | 第17-24页 |
| ·交互式多模型算法简介 | 第17-19页 |
| ·输入交互 | 第17-18页 |
| ·滤波计算 | 第18页 |
| ·模型概率更新 | 第18页 |
| ·输出交互 | 第18-19页 |
| ·IMM算法过渡过程仿真分析 | 第19-23页 |
| ·仿真设计 | 第19-20页 |
| ·一维机动目标跟踪仿真 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 混合估计平滑算法 | 第24-38页 |
| ·简介 | 第24页 |
| ·固定区间平滑算法 | 第24-28页 |
| ·两中一步固定滞后平滑算法简介 | 第28-31页 |
| ·算法1简介 | 第28-30页 |
| ·算法2简介 | 第30-31页 |
| ·一种新的基于系统扩维的任意步固定滞后平滑算法 | 第31-37页 |
| ·扩维系统数学描述 | 第32-33页 |
| ·扩维系统的固定滞后平滑算法 | 第33-37页 |
| ·小结 | 第37-38页 |
| 第四章 平滑算法仿真比较 | 第38-52页 |
| ·简介 | 第38页 |
| ·固定滞后平滑算法与IMM算法仿真比较 | 第38-44页 |
| ·一维机动目标跟踪 | 第38-40页 |
| ·二维机动目标跟踪 | 第40-43页 |
| ·仿真结果分析 | 第43-44页 |
| ·两种固定滞后平滑算法仿真比较 | 第44-48页 |
| ·一步滞后平滑结果比较 | 第44-46页 |
| ·两步滞后平滑结果比较 | 第46-47页 |
| ·仿真结果分析 | 第47-48页 |
| ·利用固定滞后平滑算法提高IMM算法实时估计精度 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 基于UKF的IMM算法 | 第52-61页 |
| ·UT变换 | 第52-55页 |
| ·算法介绍 | 第55-56页 |
| ·仿真分析 | 第56-60页 |
| ·UKF与EKF仿真比较 | 第56-58页 |
| ·IMM与IMM-UKF仿真比较 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-66页 |
| ·全文总结 | 第61-62页 |
| ·Particle Filter简介 | 第62-66页 |
| ·Monte Carlo仿真基本思想 | 第62页 |
| ·Bayesian重要采样原理 | 第62-63页 |
| ·序列重要采样 | 第63-64页 |
| ·重采样原理 | 第64页 |
| ·粒子滤波器目前存在的一些问题 | 第64-66页 |
| 附录 UT变换精度证明 | 第66-69页 |
| 参考文献 | 第69-76页 |
| 硕士期间发表论文和参与科研项目 | 第76-77页 |
| 致谢 | 第77-79页 |
