| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题来源 | 第7页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文的主要工作 | 第10页 |
| ·本文的组织结构 | 第10-12页 |
| 第二章 目标跟踪概论 | 第12-26页 |
| ·目标跟踪的基本原理 | 第12-13页 |
| ·目标运动模型 | 第13-16页 |
| ·匀速(CV)模型和常加速(CA)模型 | 第13-14页 |
| ·一阶时间相关模型(Singer模型) | 第14-15页 |
| ·"当前"统计模型 | 第15页 |
| ·半马尔可夫模型 | 第15-16页 |
| ·状态估计理论 | 第16-23页 |
| ·贝叶斯滤波 | 第16-18页 |
| ·卡尔曼滤波 | 第18-19页 |
| ·扩展卡尔曼滤波 | 第19-20页 |
| ·UKF滤波 | 第20-22页 |
| ·粒子滤波 | 第22-23页 |
| ·算法仿真 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 粒子滤波器 | 第26-44页 |
| ·蒙特卡罗方法 | 第26-27页 |
| ·粒子滤波算法 | 第27-32页 |
| ·序列重要性采样(SIS) | 第27-29页 |
| ·退化现象 | 第29-30页 |
| ·重采样 | 第30-31页 |
| ·粒子滤波的算法流程 | 第31-32页 |
| ·Two-Stage EPF算法(TSEPF) | 第32-40页 |
| ·Unscented Particle Filter(UPF) | 第33-35页 |
| ·基于EKF的粒子滤波(EPF) | 第35-37页 |
| ·TSEPF算法 | 第37-40页 |
| ·算法仿真及性能分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 PF-MCMC目标跟踪算法 | 第44-50页 |
| ·MCMC算法基本原理 | 第44-46页 |
| ·基于MCMC粒子滤波算法 | 第46-47页 |
| ·仿真实验 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于IMM-PF的机动目标跟踪 | 第50-57页 |
| ·引言 | 第50页 |
| ·IMM算法 | 第50-51页 |
| ·IMM-PF算法 | 第51-53页 |
| ·仿真实验 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的论文和科研项目 | 第64页 |