| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 基于数据关联的MTT方法研究现状 | 第15-17页 |
| 1.2.2 基于RFS的MTT方法研究现状 | 第17-20页 |
| 1.3 论文的主要研究工作及章节安排 | 第20-23页 |
| 第2章 基于RFS的多目标滤波理论基础 | 第23-39页 |
| 2.1 引言 | 第23页 |
| 2.2 基于RFS的多目标贝叶斯滤波器 | 第23-30页 |
| 2.2.1 RFS定义 | 第23-24页 |
| 2.2.2 FISST理论基础 | 第24-26页 |
| 2.2.3 基于RFS的多目标系统模型 | 第26-28页 |
| 2.2.4 多目标贝叶斯滤波器 | 第28-30页 |
| 2.3 多目标贝叶斯滤波器的近似 | 第30-36页 |
| 2.3.1 PHD滤波器 | 第30-32页 |
| 2.3.2 CPHD滤波器 | 第32-34页 |
| 2.3.3 MeMBer滤波器 | 第34-36页 |
| 2.4 多目标滤波性能评价指标 | 第36-38页 |
| 2.4.1 Hausdorff距离 | 第36页 |
| 2.4.2 Wasserstein距离 | 第36-37页 |
| 2.4.3 OSPA距离 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于PHD滤波器的多目标滤波算法研究 | 第39-68页 |
| 3.1 引言 | 第39-40页 |
| 3.2 观测驱动的自适应PHD滤波算法 | 第40-55页 |
| 3.2.1 问题描述 | 第40-41页 |
| 3.2.2 算法原理 | 第41-42页 |
| 3.2.3 SMC实现 | 第42-45页 |
| 3.2.4 门控方法与观测分类 | 第45-47页 |
| 3.2.5 计算机仿真实验分析 | 第47-55页 |
| 3.3 适用于SMC-PHD滤波器的多目标状态提取方法 | 第55-67页 |
| 3.3.1 问题描述 | 第55-56页 |
| 3.3.2 粒子与观测划分 | 第56-58页 |
| 3.3.3 多目标状态提取 | 第58-61页 |
| 3.3.4 计算机仿真实验分析 | 第61-67页 |
| 3.4 本章小结 | 第67-68页 |
| 第4章 基于CPHD滤波器的多目标滤波算法研究 | 第68-93页 |
| 4.1 引言 | 第68-69页 |
| 4.2 问题描述 | 第69-71页 |
| 4.2.1 多目标系统模型 | 第69-70页 |
| 4.2.2 漏检更新权值转移问题 | 第70-71页 |
| 4.3 GM-CPHD滤波器 | 第71-80页 |
| 4.3.1 线性高斯多目标模型 | 第71-72页 |
| 4.3.2 CPHD递归的解析解 | 第72-75页 |
| 4.3.3 仿真实验与分析 | 第75-80页 |
| 4.4 改进的GM-CPHD滤波器 | 第80-92页 |
| 4.4.1 改进算法实现 | 第80-87页 |
| 4.4.2 仿真实验与分析 | 第87-92页 |
| 4.5 本章小结 | 第92-93页 |
| 第5章 基于δ-GLMB滤波器的多目标滤波算法研究 | 第93-113页 |
| 5.1 引言 | 第93-94页 |
| 5.2 问题描述 | 第94-96页 |
| 5.2.1 符号定义 | 第94-95页 |
| 5.2.2 基于标签RFS的多目标贝叶斯滤波器 | 第95-96页 |
| 5.3 δ-GLMB滤波器 | 第96-99页 |
| 5.3.1 δ-GLMB RFS | 第96-97页 |
| 5.3.2 δ-GLMB滤波递归方程 | 第97-99页 |
| 5.4 非线性GM-δ-GLMB滤波器实现 | 第99-106页 |
| 5.4.1 基本原理 | 第99-100页 |
| 5.4.2 基于球面径向容积规则的GM实现 | 第100-104页 |
| 5.4.3 自适应目标出生分布初始化方法 | 第104-106页 |
| 5.5 仿真实验与分析 | 第106-112页 |
| 5.6 本章小结 | 第112-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-127页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第127-128页 |
| 致谢 | 第128页 |