| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状和发展趋势 | 第13-16页 |
| 1.3 课题的研究内容安排 | 第16-18页 |
| 第2章 参数估计与跟踪滤波方法概述 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 参数估计 | 第18-21页 |
| 2.2.1 参数估计的概念 | 第18页 |
| 2.2.2 四种基本估计方法 | 第18-19页 |
| 2.2.3 估计性质 | 第19-21页 |
| 2.3 目标运动状态模型 | 第21-23页 |
| 2.3.1 机动目标跟踪理论基础 | 第21页 |
| 2.3.2 匀速运动模型和匀加速运动模型 | 第21-22页 |
| 2.3.3 转弯模型和当前统计模型 | 第22-23页 |
| 2.4 卡尔曼滤波器概述 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 目标跟踪时基于粒子群优化的自适应波形选择 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 雷达信号的基带模型 | 第26-30页 |
| 3.2.1 发射信号和回波信号的基带模型 | 第26-27页 |
| 3.2.2 雷达波形与跟踪关系的建模 | 第27-30页 |
| 3.3 基于Kalman滤波的波形自适应选择模型 | 第30-32页 |
| 3.3.1 系统模型 | 第30页 |
| 3.3.2 滤波模型 | 第30-32页 |
| 3.4 目标跟踪中的波形自适应选择优化 | 第32-35页 |
| 3.4.1 粒子群优化算法 | 第32-33页 |
| 3.4.2 模型优化流程 | 第33-34页 |
| 3.4.3 自适应Kalman的PSO算法优化流程模型 | 第34-35页 |
| 3.5 仿真结果与分析 | 第35-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于交互多模型的波形自适应选择 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 交互多模型（IMM）算法基本理论 | 第40-42页 |
| 4.3 基于IMM的自适应的波形选择方法 | 第42-43页 |
| 4.3.1 波形选择准则设计 | 第42页 |
| 4.3.2 自适应波形选择算法描述 | 第42-43页 |
| 4.4 仿真结果与分析 | 第43-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于交互多模型概率数据关联的波形自适应选择 | 第48-60页 |
| 5.1 引言 | 第48页 |
| 5.2 交互多模型概率数据关联(IMMPDA)算法基本理论 | 第48-52页 |
| 5.3 基于IMMPDA的自适应的波形选择方法 | 第52-54页 |
| 5.3.1 波形选择准则函数 | 第52页 |
| 5.3.2 自适应波形选择算法描述 | 第52-54页 |
| 5.4 仿真结果与分析 | 第54-59页 |
| 5.5 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
