非线性观测方程观测数据线性化滤波方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外课题研究现状 | 第11-13页 |
| 1.3 本论文的主要内容 | 第13-14页 |
| 1.4 本章小结 | 第14-16页 |
| 第二章 目标跟踪相关的滤波方法研究分析 | 第16-32页 |
| 2.1 线性动态系统与非线性动态系统 | 第16页 |
| 2.2 卡尔曼滤波 | 第16-17页 |
| 2.3 线性化卡尔曼滤波：扩展卡尔曼滤波 | 第17-20页 |
| 2.3.1 雅可比矩阵 | 第18页 |
| 2.3.2 EKF算法过程 | 第18-20页 |
| 2.4 无迹卡尔曼滤波 | 第20-24页 |
| 2.5 粒子滤波 | 第24-31页 |
| 2.5.1 蒙特卡罗方法 | 第24-25页 |
| 2.5.2 粒子滤波的应用 | 第25页 |
| 2.5.3 贝叶斯滤波原理 | 第25-26页 |
| 2.5.4 粒子滤波算法过程 | 第26-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 非线性观测方程整体线性化估计方法研究 | 第32-44页 |
| 3.1 目标运动模型 | 第32-34页 |
| 3.1.1 连续时间内的CV模型 | 第32-33页 |
| 3.1.2 离散时间内的CV模型 | 第33-34页 |
| 3.2 观测信息线性化滤波方法研究 | 第34-35页 |
| 3.3 雷达跟踪中的新轨迹滤波算法研究 | 第35-36页 |
| 3.4 新轨迹滤波算法描述 | 第36-38页 |
| 3.4.1 线性近似建模 | 第36-37页 |
| 3.4.2 新轨迹滤波算法 | 第37-38页 |
| 3.5 仿真结果及分析 | 第38-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 NTF算法在机动目标跟踪中的应用 | 第44-54页 |
| 4.1 马尔可夫过程 | 第44-45页 |
| 4.1.1 马尔可夫过程的一般概念 | 第44-45页 |
| 4.2 交互多模型 | 第45-50页 |
| 4.2.1 MM的一般描述 | 第46-48页 |
| 4.2.2 交互多模型的一般描述 | 第48-50页 |
| 4.3 NTF算法的应用 | 第50-53页 |
| 4.3.1 仿真结果及分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A：攻读硕士学位期间研究成果 | 第62-64页 |
| 附录B：硕士期间所获得荣誉 | 第64页 |
