摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第1章 绪论 | 第12-24页 |
·课题研究的背景和意义 | 第12-13页 |
·国内外研究动态及相关技术 | 第13-19页 |
·多目标跟踪技术 | 第13-15页 |
·多目标跟踪方法 | 第15-19页 |
·随机集理论在数据融合中的发展与应用 | 第19-22页 |
·数据融合技术的发展与应用 | 第19-20页 |
·随机集理论在数据融合中的发展与应用 | 第20-22页 |
·论文的主要内容和结构安排 | 第22-24页 |
第2章 多目标跟踪滤波算法研究与分析 | 第24-48页 |
·经典的目标跟踪滤波算法 | 第24-31页 |
·Bayes 滤波 | 第24-26页 |
·Kalman 滤波 | 第26-27页 |
·粒子(PF)滤波 | 第27-31页 |
·随机集的多目标跟踪理论 | 第31-41页 |
·随机集的定义 | 第31-33页 |
·随机集的概率假设密度 | 第33-34页 |
·随机有限集的多目标统计理论 | 第34-36页 |
·随机集的 Bayes 递推多目标跟踪模型 | 第36-39页 |
·PHD 滤波多目标跟踪性能的评价指标 | 第39-41页 |
·随机集理论在多目标跟踪应用中的可行性分析 | 第41页 |
·随机集理论的目标跟踪滤波算法 | 第41-44页 |
·PHD 滤波算法 | 第41-44页 |
·CPHD 滤波算法 | 第44页 |
·基于随机集理论滤波算法总结分析: | 第44-46页 |
·PHD 滤波与 CPHD 滤波算法分析 | 第44-46页 |
·GMPHD 与 P-PHD 滤波算法分析 | 第46页 |
·本章小结 | 第46-48页 |
第3章 基于核密度估计理论的 GMPHD 滤波算法 | 第48-64页 |
·高斯混合 PHD 滤波算法 | 第48-52页 |
·核密度估计理论 | 第52-56页 |
·基于核密度估计的高斯混合 PHD 滤波 | 第56-58页 |
·基于核密度估计的高斯混合 PHD 滤波算法仿真分析 | 第58-63页 |
·仿真环境及参数设定 | 第58-59页 |
·仿真结果分析 | 第59-63页 |
·本章小结 | 第63-64页 |
第4章 SMC-CPHD 滤波算法 | 第64-78页 |
·基数概率假设密度滤波算法 | 第64-66页 |
·SMC-PHD 滤波算法 | 第66-67页 |
·SMC-CPHD 滤波算法 | 第67-71页 |
·仿真实验 | 第71-77页 |
·本章小结 | 第77-78页 |
第5章 多传感器多机动目标跟踪的 CPHD 滤波算法 | 第78-90页 |
·多传感器多目标跟踪 | 第78-80页 |
·集中式多传感器跟踪系统 | 第78-79页 |
·分布式多传感器跟踪系统 | 第79-80页 |
·混合式多传感器跟踪系统 | 第80页 |
·机动目标跟踪单模型方法 | 第80-81页 |
·Singer 加速度模型 | 第80-81页 |
·“当前”统计模型 | 第81页 |
·随机集的多传感器多目标模型 | 第81-82页 |
·多传感器的 CPHD 滤波: | 第82-85页 |
·单传感器 CPHD 滤波 | 第82-83页 |
·多传感器序贯 CPHD 滤波 | 第83-85页 |
·仿真实验 | 第85-89页 |
·自适应“当前”统计模型 | 第85-86页 |
·仿真参数设定 | 第86页 |
·仿真结果分析 | 第86-89页 |
·本章小结 | 第89-90页 |
第6章 基于 VSMM 的 GMCPHD 滤波算法在多机动目标跟踪的应用 | 第90-102页 |
·高斯混合 CPHD 滤波算法 | 第90-93页 |
·机动目标跟踪多模型方法 | 第93-94页 |
·交互式多模型算法 | 第93页 |
·定结构多模型算法 | 第93-94页 |
·变结构多模型算法 | 第94页 |
·变结构多模型 GMCPHD 算法 | 第94-96页 |
·变结构多模型基本思想 | 第94-95页 |
·变结构多模型 GMCPHD 算法 | 第95-96页 |
·仿真实验 | 第96-101页 |
·仿真环境及参数设定 | 第96-97页 |
·仿真结果分析 | 第97-101页 |
·本章小结 | 第101-102页 |
结论 | 第102-104页 |
参考文献 | 第104-114页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第114-115页 |
致谢 | 第115页 |