摘要 | 第1-4页 |
Abstract | 第4-7页 |
第一章 绪论 | 第7-11页 |
·研究背景及意义 | 第7-8页 |
·多目标跟踪概述 | 第8-10页 |
·本文工作及安排 | 第10-11页 |
第二章 跟踪滤波理论及算法 | 第11-25页 |
·目标跟踪的基本原理 | 第11-12页 |
·贝叶斯滤波理论 | 第12-13页 |
·几种经典的滤波算法 | 第13-21页 |
·卡尔曼滤波及其改进算法 | 第13-16页 |
·粒子滤波及其改进算法 | 第16-21页 |
·仿真实验 | 第21-24页 |
·EKF、uKF与粒子滤波的分析比较 | 第21-23页 |
·不同噪声环境下的粒子滤波跟踪性能 | 第23-24页 |
2 5 本章小结 | 第24-25页 |
第三章 多目标跟踪原理及数据关联 | 第25-37页 |
·多目标跟踪的基本原理 | 第25-26页 |
·几种经典的数据关联算法 | 第26-32页 |
·最近邻算法 | 第27页 |
·概率数据关联 | 第27-29页 |
·联合概率数据关联 | 第29-31页 |
·多假设跟踪 | 第31-32页 |
·仿真实验 | 第32-36页 |
·NN算法和PDA算法在多目标跟踪中的性能分析与比较 | 第32-34页 |
·PDA算法和IIPDA算法在多目标跟踪中的性能分析与比较 | 第34-36页 |
·本章小结 | 第36-37页 |
第四章 基于随机集的多目标跟踪算法 | 第37-53页 |
·引言 | 第37页 |
·随机有限集与多目标贝叶斯滤波 | 第37-40页 |
·多目标跟踪中的随机有限集 | 第38-39页 |
·有限集统计理论概述 | 第39-40页 |
·多目标贝叶斯滤波 | 第40页 |
·概率假设密度滤波 | 第40-41页 |
·几种经典的概率假设密度滤波算法 | 第41-47页 |
·混合高斯概率假设密度滤波算法 | 第42-45页 |
·粒子概率假设密度滤波算法 | 第45-47页 |
·概率假设密度跟踪器 | 第47-48页 |
·仿真实验 | 第48-52页 |
·GM.PHD算法的跟踪性能分析与验证 | 第48-50页 |
·粒子PHD算法的跟踪性能分析与验证 | 第50-52页 |
·本章小结 | 第52-53页 |
第五章 几种改进的概率假设密度滤波算法 | 第53-75页 |
·风险评估概率假设密度滤波算法 | 第53-62页 |
·代价参考粒子滤波 | 第53-54页 |
·基于风险评估的概率假设密度滤波 | 第54-57页 |
·仿真实验 | 第57-62页 |
·改进的高斯粒子概率假设密度滤波算法 | 第62-66页 |
·改进的高斯粒子概率假设密度滤波算法 | 第63-64页 |
·仿真实验 | 第64-66页 |
·多机动目标混合高斯概率假设密度跟踪器 | 第66-74页 |
·修正的输入估计技术 | 第67-68页 |
·多机动目标混合高斯概率假设密度跟踪器 | 第68-71页 |
·仿真实验 | 第71-74页 |
·本章小结 | 第74-75页 |
第六章 总结与展望 | 第75-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-84页 |
研究成果 | 第84-85页 |