| 摘要 | 第12-14页 |
| Abstract | 第14-15页 |
| 第一章 绪论 | 第16-27页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 传统多目标跟踪方法 | 第17-20页 |
| 1.2.1 航迹起始和终止 | 第17-18页 |
| 1.2.2 目标运动模型选择 | 第18-19页 |
| 1.2.3 量测来源不确定性与数据关联 | 第19页 |
| 1.2.4 单目标贝叶斯滤波 | 第19-20页 |
| 1.3 基于RFS的多目标跟踪方法 | 第20-24页 |
| 1.3.1 基本概念 | 第20-21页 |
| 1.3.2 多目标贝叶斯滤波 | 第21-22页 |
| 1.3.3 多目标贝叶斯滤波近似次优算法 | 第22-24页 |
| 1.4 论文主要内容及结构安排 | 第24-27页 |
| 1.4.1 论文研究出发点 | 第24-25页 |
| 1.4.2 论文结构安排 | 第25-27页 |
| 第二章 多目标跟踪理论基础 | 第27-47页 |
| 2.1 引言 | 第27页 |
| 2.2 传统多目标跟踪理论基础 | 第27-33页 |
| 2.2.1 单目标马尔科夫模型 | 第27-28页 |
| 2.2.2 单目标观测模型 | 第28页 |
| 2.2.3 单目标贝叶斯滤波 | 第28-29页 |
| 2.2.4 单目标贝叶斯次优滤波 | 第29-32页 |
| 2.2.5 数据关联 | 第32-33页 |
| 2.3 基于RFS的多目标跟踪理论基础 | 第33-41页 |
| 2.3.1 RFS和FISST | 第33-36页 |
| 2.3.2 若干重要RFS | 第36-38页 |
| 2.3.3 多目标马尔科夫模型 | 第38页 |
| 2.3.4 多目标观测模型 | 第38-39页 |
| 2.3.5 多目标贝叶斯滤波 | 第39-40页 |
| 2.3.6 多目标次优PHD、CPHD和MeMBer滤波器 | 第40-41页 |
| 2.4 多目标跟踪性能评估理论基础 | 第41-46页 |
| 2.4.1 多目标跟踪性能评估基本原理 | 第42-43页 |
| 2.4.2 传统评估方法 | 第43-44页 |
| 2.4.3 综合度量评估方法 | 第44-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第三章 密集目标环境下无偏JPDA算法研究 | 第47-67页 |
| 3.1 引言 | 第47-48页 |
| 3.2 基于偏差估计和去除的无偏JPDA算法 | 第48-58页 |
| 3.2.1 JPDA算法偏差来源分析 | 第48-49页 |
| 3.2.2 两个目标情况下的偏差估计方法 | 第49-51页 |
| 3.2.3 一般多目标情况下偏差估计方法 | 第51-52页 |
| 3.2.4 仿真实现与结果分析 | 第52-58页 |
| 3.3 基于NP准则的属性关联度量及门限确定方法 | 第58-66页 |
| 3.3.1 符号约定 | 第59-60页 |
| 3.3.2 经典状态关联度量及门限合理性分析 | 第60-61页 |
| 3.3.3 属性关联度量及门限确定方法 | 第61-63页 |
| 3.3.4 仿真实现与结果分析 | 第63-66页 |
| 3.4 本章小结 | 第66-67页 |
| 第四章 标准模型下CPHD算法研究 | 第67-87页 |
| 4.1 引言 | 第67-68页 |
| 4.2 衍生目标势分布任意情况下CPHD算法的推导 | 第68-72页 |
| 4.2.1 Faà di bruno规则 | 第69-70页 |
| 4.2.2 PHD预测方程推导 | 第70-71页 |
| 4.2.3 势预测方程推导 | 第71-72页 |
| 4.3 特殊条件下势预测方程的退化及与其它文献的对比 | 第72-78页 |
| 4.3.1 无衍生目标存在 | 第72-73页 |
| 4.3.2 无存活目标且衍生目标势分布为伯努利分布 | 第73-74页 |
| 4.3.3 衍生目标势分布为伯努利分布、泊松分布或零点跳变泊松分布 | 第74-78页 |
| 4.4 预测势分布的可行实现方法 | 第78-80页 |
| 4.5 仿真实现与结果分析 | 第80-86页 |
| 4.5.1 场景、评价指标及算法参数设置 | 第80-83页 |
| 4.5.2 模型设置 | 第83页 |
| 4.5.3 结果与分析 | 第83-86页 |
| 4.6 本章小结 | 第86-87页 |
| 第五章 强非线性观测条件下PHD算法的GM实现研究 | 第87-102页 |
| 5.1 引言 | 第87页 |
| 5.2 基本思想 | 第87-89页 |
| 5.3 非线性观测条件下PHD算法的二项分解高斯混合实现 | 第89-95页 |
| 5.3.1 二项分解方法 | 第89-92页 |
| 5.3.2 PHD算法的二项分解高斯混合实现 | 第92-95页 |
| 5.4 仿真实现与结果分析 | 第95-101页 |
| 5.4.1 目标运动与观测模型 | 第95页 |
| 5.4.2 场景设置 | 第95-98页 |
| 5.4.3 结果对比与分析 | 第98-101页 |
| 5.5 本章小结 | 第101-102页 |
| 第六章 集中式异步异类多传感器观测条件下PHD算法研究 | 第102-122页 |
| 6.1 引言 | 第102-105页 |
| 6.2 异步异类观测条件内涵及PHD算法实现可行性分析 | 第105-106页 |
| 6.3 考虑帧内目标观测时间差异的RUT-GM-PHD算法 | 第106-112页 |
| 6.3.1 传感器空间扫描方式描述 | 第106-107页 |
| 6.3.2 目标状态预测时长计算逻辑 | 第107-108页 |
| 6.3.3 RUT-GM-PHD算法逻辑及流程 | 第108-112页 |
| 6.4 典型异步观测条件下RUT-GM-PHD算法仿真实现与结果分析 | 第112-119页 |
| 6.4.1 场景描述 | 第112-114页 |
| 6.4.2 典型单传感器观测的情况 | 第114-116页 |
| 6.4.3 时分异类多传感器观测的情况 | 第116-119页 |
| 6.5 任意异步观测条件下RUT-GM-PHD算法存在问题及解决思路 | 第119-121页 |
| 6.5.1 时分异步观测条件的情况 | 第119-120页 |
| 6.5.2 任意异步观测条件的情况 | 第120-121页 |
| 6.6 本章小结 | 第121-122页 |
| 第七章 总结与展望 | 第122-125页 |
| 7.1 主要创新 | 第122-123页 |
| 7.2 后续工作 | 第123-125页 |
| 致谢 | 第125-127页 |
| 参考文献 | 第127-141页 |
| 作者在学期间取得的学术成果 | 第141-142页 |
| 作者在学期间参与的科研项目 | 第142页 |
