| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.1.1 微弱信号的检测和跟踪的现实需求 | 第10-11页 |
| 1.1.2 无源定位与跟踪的研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容和安排 | 第13-14页 |
| 第二章 粒子滤波理论 | 第14-24页 |
| 2.1 贝叶斯估计理论 | 第14-15页 |
| 2.2 蒙特卡洛采样原理 | 第15-16页 |
| 2.3 重要性采样 | 第16-17页 |
| 2.4 序贯重要性采样 | 第17-20页 |
| 2.5 重采样 | 第20-22页 |
| 2.6 SIR粒子滤波算法 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第三章 基于粒子滤波的无源弱目标TBD算法 | 第24-38页 |
| 3.1 系统模型 | 第24-30页 |
| 3.1.1 目标运动模型 | 第24-26页 |
| 3.1.2 基于传感器的TBD建模 | 第26-29页 |
| 3.1.3 似然比计算 | 第29-30页 |
| 3.2 无源弱目标PF-TBD算法 | 第30-32页 |
| 3.3 仿真结果及性能分析 | 第32-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 无源机动弱目标的PF-TBD算法 | 第38-54页 |
| 4.1 机动目标运动模型 | 第38-40页 |
| 4.1.1 CA模型 | 第39页 |
| 4.1.2 CT模型 | 第39-40页 |
| 4.2 多模型粒子滤波算法 | 第40-43页 |
| 4.2.1 混合状态估计的贝叶斯描述 | 第40-42页 |
| 4.2.2 多模型粒子滤波算法原理 | 第42-43页 |
| 4.3 基于多模型粒子滤波的无源机动弱目标TBD算法 | 第43-45页 |
| 4.4 基于UKF的PF-TBD改进算法 | 第45-49页 |
| 4.4.1 无迹卡尔曼滤波 | 第45-47页 |
| 4.4.2 无迹粒子滤波 | 第47-48页 |
| 4.4.3 无源弱目标的UPF-TBD算法 | 第48-49页 |
| 4.5 仿真结果及性能分析 | 第49-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 基于模型自适应的无源机动弱目标PF-TBD算法 | 第54-63页 |
| 5.1 目标角速度估计方法 | 第54-57页 |
| 5.1.1 目标转弯运动分析 | 第54-55页 |
| 5.1.2 角速度模型 | 第55页 |
| 5.1.3 自适应角速度滤波 | 第55-57页 |
| 5.2 基于角速度估计的自适应无源机动弱目标PF-TBD算法 | 第57-59页 |
| 5.2.1 基于角速度估计的多模型设计 | 第57-58页 |
| 5.2.2 基于角速度估计的无源弱目标PF-TBD算法步骤 | 第58-59页 |
| 5.3 仿真结果及性能分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
