| 图目录 | 第1-7页 |
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| §1．1 研究的目的与意义 | 第9页 |
| §1．2 目标跟踪算法的研究现状 | 第9-13页 |
| §1．3 本文所做的工作与论文结构安排 | 第13-14页 |
| 第二章 非线性滤波算法 | 第14-28页 |
| §2．1 非线性贝叶斯跟踪 | 第14-15页 |
| §2．2 扩展卡尔曼滤波算法(EKF) | 第15-17页 |
| §2．2．1 最优算法(KF) | 第15-16页 |
| §2．2．2 扩展卡尔曼滤波算法(EKF) | 第16-17页 |
| §2．3 UKF滤波算法 | 第17-22页 |
| §2．4 计算机仿真 | 第22-27页 |
| §2．5 小结 | 第27-28页 |
| 第三章 基于UKF／MSC的被动式目标跟踪 | 第28-37页 |
| §3．1 基于修正球坐标系的目标运动模型和观测模型 | 第28-33页 |
| §3．1．1 修正的球坐标系 | 第28-30页 |
| §3．1．2 基于MSC的目标运动模型 | 第30-33页 |
| §3．1．3 被动传感器测量模型 | 第33页 |
| §3．2 仿真实验 | 第33-36页 |
| §3．3 小结 | 第36-37页 |
| 第四章 基于UKF／PDA／IMM被动式机动目标跟踪 | 第37-54页 |
| §4．1 概率数据互联(PDA)滤波算法 | 第37-42页 |
| §4．1．1 点迹确认和跟踪门概念 | 第37-38页 |
| §4．1．2 概率数据互联(PDA) | 第38-41页 |
| §4．1．3 PDAF滤波器 | 第41-42页 |
| §4．2 交互式多模型(IMM)算法 | 第42-45页 |
| §4．3 基于直角坐标系的目标运动模型和测量模型 | 第45-49页 |
| §4．3．1 目标运动模型 | 第46-49页 |
| §4．3．2 目标测量模型 | 第49页 |
| §4．4 数值仿真与性能分析 | 第49-53页 |
| §4．4．1 单模估计 | 第50页 |
| §4．4．2 IMM估计 | 第50-53页 |
| §4．5 小结 | 第53-54页 |
| 结束语 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |